Académique Documents
Professionnel Documents
Culture Documents
Je tiens à remercier mon encadrant Mer. Mounir. Garaja pour son soutien et ses
conseils.
Je remercie aussi tous les cadres au sein de mon entreprise de parrainage la CNEP-
Banque spécialement le directeur de la formation Mer A. KASSIOUI, pour m‟avoir
accueillie et aidé à la réalisation de ce mémoire.
Mes vifs remerciements s‟adressent finalement aux membres de jury qui ont accepté
de juger ce travail.
Dédicace
A la mémoire de mon cher frère Adel
A mes très chers parents, qui ont toujours cru en moi et pour qui
tous les mots de remerciement seraient insuffisants
Je n’oublierai pas mes très chères sœurs Hanane et Nassima
avec son marié Rabiaa , Hanane e et mes frères
Mohamed et Sofiane,
Et surtout mes nièces Liticia et Zineb
Et en fin A mes amis Kamilia et surtout Boualem qui m’a
soutenu et sans oublié Hakim
Sabrina
Sommaire
Introduction générale
De surcroît, la crise financière de 2007 représente l‟un des faits les plus marquants de
l‟histoire de la finance, elle a concrétisé fermement la volatilité et l‟incertitude de
l‟environnement dans lequel exercent les banques et les établissements financiers, qui pour
maintenir leurs parts de marchés et préserver leur caractère compétitif, doivent renforcer
davantage leurs capacités pour faire face et se démarquer par une bonne politique
commerciale et de gestion.
Cependant ces deux dernières années, le secteur bancaire algérien s‟est engagé dans
une profonde mutation qui s‟est traduite par une bancarisation importante et une concurrence
rude entre les établissements de crédit. Ainsi les répercussions des changements de la
réglementation bancaire ont été également importantes sur l‟environnement bancaire et la
concurrences entre les banques.
Au premier plan de ces mutations on retrouve celles fixant les règles générales en
matière de conditions de banques applicables aux opérations des banques et établissements
des crédits, selon le règlement n° 13-01 du 08 avril 2013, ainsi celles imposées par la loi de
finance LFC 2014 qui a rétablit la remise documentaire comme second moyen de règlement
des opérations d‟importations.
1
Introduction Générale
Face à ces changements, les banques se doivent un minimum de protection afin d‟assurer
leurs pérennités et leurs développements par la mise en place d‟un système d‟évaluation de la
performance en cohérence avec les conditions environnementales et qui permet d‟apprécier
entre autre, le niveau d‟atteinte des objectifs antérieurement fixés par les responsables tout en
prenant considération les moyens octroyés .
C‟est dans ce contexte que nous nous posons en vue de palier à ce besoin grâce à
l‟approche DEA, par ailleurs, nous allons tenter de répondre à la problématique suivante :
« Comment évaluer la performance des agences bancaires par la méthode Data
EnvelopmentAnalysis (DEA) dans un contexte environnemental différent ? »
2
Introduction Générale
Pour apporter des éléments de réponse à ces questions, nous avons organisé notre travail
en deux parties, séparant les aspects théoriques et la mise en pratique.
La partie théorique est subdivisée en deux chapitres : dans le premier nous allons aborder
les définitions des concepts de la performance dans sa première section pour ensuite
développer les particularités de cette notion en milieu bancaire dans la seconde section et
présenté les mesures traditionelles de la performance dans la troisième section.
Tandis que la partie pratique sera divisée en trois sections, la première sera consacrée
au méthodologie et présentation des données, la deuxième porte sur la classification des
agences et choix de modèle et dans la troisième section nous appliquons la méthode DEA sur
l‟ensemble des agences de la CNEP-Banque dans le but d‟obtenir le score d‟efficience de
chaque agence, par la suite une comparaison entre la méthode traditionnelle et les résultats de
DEA afin d‟apporter les corrections nécessaires et mettre en lumière les apports de la
méthode.
3
Chapitre I : Concepts théoriques de la
performance
Chapitre I : Concepts théorique de la performance
Introduction
La performance est aujourd‟hui un concept multidimensionnel , elle couvre des aspects
variés (économique, social et technique) avec la prédominance du caractère financier. La
performance est alors, un concept évolutif ou chaque individu qui s‟y intéresse peut l‟aborder
selon l‟angle d‟attaque qui lui convient.
Dans ce premier chapitre nous allons présenter la revue de littérature qui permet
d‟appréhender le concept de la performance ainsi que ces multiples dimensions.
5
Chapitre I : Concepts théorique de la performance
Le concept couvre de multiples facettes. Ainsi, en économie, quelle que soit l‟activité
productive que l‟on étudie, on raisonne toujours en termes d‟objectifs à atteindre. Ces
objectifs peuvent être essentiellement privés c‟est-à-dire orientés vers la maximisation du
profit ou à la minimisation des coûts, ou d‟ordre plus général à savoir l‟optimisation de
l‟emploi des ressources, le contrôle des prix, la qualité des biens produits, etc.1.C‟est dans
cette logique que la performance d‟une entreprise est définie comme étant le degré de
réalisation des objectifs que les propriétaires lui ont assignés2.
1
Revue «JENKINS 1994, PERELMAN, 1996»
2
Revue « THIRY, 1993»
3
LORINO P., Méthodes et pratiques de la performance, Edition d‟organisation, Paris, 1998, pp. 18-20.
6
Chapitre I : Concepts théorique de la performance
Par ailleurs, la qualification d‟une entreprise comme étant performante est souvent
limitée à sa rentabilité financière. Cependant comme C. Marmuse, indiqué dans son livre « La
Performance » art 118, que celle-ci« revêt des aspects multiples, sans doute convergents, mais
qui méritent d‟être abordés dans une logique plus globale que la seule appréciation de la
rentabilité pour l‟entreprise ou pour l‟actionnaire ».Ce dernier pense que la performance doit
être vue sous trois angles majeurs : en fonction de la stratégie globale de l‟entreprise, dans son
interaction avec son milieu, dans sa structure organisationnelle qui doit être adaptée à
l‟évolution sociale et économique de l‟entreprise, enfin de son rendement et de sa rentabilité
financière.
Le premier constat qui peut alors être dégagé, est la nécessité de la prise en compte de
toutes les ressources utilisées pour l‟atteinte des objectifs et leurs comparaisons avec ceux des
concurrents et/ou ce qui a été fait dans le passé.
Enfin, nous dirons donc que l‟efficience concerne l‟emploi des ressources et l‟efficacité
de degré de réalisation des objectifs définis. Si une entreprise efficace est aussi efficiente, cela
signifie qu‟elle atteint son objectif et opère au coût le plus bas.
Etant donné que le concept de la performance admet plusieurs sens, sa signification fait
appel à plusieurs notations qui sont principalement les suivantes :
7
Chapitre I : Concepts théorique de la performance
Une dimension de performance financière : selon cette vision, l‟entreprise est tenue
d‟assurer le retour sur l‟investissement nécessaire qui permet de réaliser la rentabilité
souhaitée par les actionnaires et d‟assurer sa pérennité.
Une dimension de performance sociétale: elle évalue les apports positifs et négatifs
d‟une entreprise sur son environnement, il s‟agit de savoir si la valeur ajoutée par
l‟entreprise représente un avantage net pour les membres de la firme et pour la
collectivité qui la contient.
Processus
Résultat
Ressources
Efficience
Economie Efficacité
4
La revue comptable et financière N 69 Ete 2005
8
Chapitre I : Concepts théorique de la performance
Par conséquent, chaque entreprise est tenue de rationaliser ses choix d‟investissement
pour minimiser son impact négatif sur l‟environnement grâce notamment aux bonnes
pratiques et la bonne gestion des ressources pour contribuer au développement durable.
L‟activité bancaire est caractérisée par plusieurs facteurs qui rendent difficile la mise
en place des mesures de performance en comparaison avec le milieu industriel où cette tâche
a été moins compliquée, ces facteurs peuvent être résumés ainsi :
La banque est une institution d‟intermédiation financière qui transforme les fonds
collectés sous forme de dépôts à vue, à terme et d‟épargne auprès des agents à
excèdent de ressources en crédits octroyés pour satisfaire les besoins des agents
économiques. Cependant, cette intermédiation représente l'assise de l‟activité bancaire
et joue un rôle dans l‟économie. En outre, ce processus de transformation est très
complexe et engendre un problème d‟affectation des ressources aux emplois. A cause
de la fongibilité de l‟argent, il est compliqué de connaitre le coût de la ressource
destiné à chaque emploi.
Sur le plan des produits, la banque est une entreprise multi-productrice, elle offre à sa
clientèle une variété de produits et de services qui peuvent provenir d‟un même
processus de production, ce qui crée des liaisons entre ces derniers. D‟où la nécessité
d‟établir une nomenclature des produits bancaires par grande catégorie.
Les métiers exercés par un établissement de crédit peuvent être regroupés en quatre
grandes Familles:
9
Chapitre I : Concepts théorique de la performance
A-L‟ activité d‟intermédiation : au sein d‟une économie, il existe deux types d‟agents :
des agents à capacité de financement disposant d‟excèdent et les agents déficitaires qui ont
besoin de financement.
En tant qu‟intermédiaire financier, la banque intervient entre ces deux catégories d‟agents
par deux procédés et les met en relation au sein d‟une économie, il existe deux types
d‟intermidiation :
B- L‟activité de trésorerie
Consiste à collecter les dépôts et à financer l'économie par les crédits et les placements.
Elle vise donc à faire face à la politique budgétaire de toute la banque, mais aussi à aligner les
deux préoccupations bancaires, en termes de délais et en termes de disponibilités.
C- La prestation de services
Les besoins des agents ne se limitent pas aux capitaux mais peuvent porter aussi sur des
services. Les prestations de services ne constituent pas une source de risques pour la banque
parce qu‟elles ne donnent naissance ni à une créance, ni à une dette et ni à un engagement de
hors bilan. Parmi les services que le banquier offre à son client (individu ou entreprise), on
peut distinguer les services matériels et les services immatériels.
D- L‟activité de marché
Outre la satisfaction des besoins des agents économiques quels soient des besoins de
capitaux ou de services, la banque se consacre à des activités de marché. Les métiers de
10
Chapitre I : Concepts théorique de la performance
marché consistent à réaliser des opérations d‟arbitrage et de spéculation sur des instruments
financiers de taux ou de change.
La rentabilité par centre activité (de profit) : les produits commercialisés générés par
les banques peuvent généralement être regroupés en cinq catégories homogènes
d‟activité: collecte des dépôts, distribution des crédits, la gestion des moyens de
paiement, l‟activité financière et les prestations de services.
La rentabilité par activité s‟attachera à calculer la marge dégagée par chacune des
catégories d‟activité ci-dessus, qui peuvent éventuellement être décomposées en sous-
catégories regroupant un certain nombre de produits.
distribution ) ou par centre de profit (tous les points de ventes appartenant à un même
réseau de distribution ayant été préalablement définis comme étant de centre de profit,
ou comme un centre de profit globale).
5
Michel ROUACH-Gérard NAULLEAU « le contrôle de gestion bancaire et financier » troisième édition ; Paris,
2000 pg 239-242
11
Chapitre I : Concepts théorique de la performance
Le risque fait partie du métier de banquier. Lorsque la banque accepte les dépôts de
client, elle les utilise sous forme des crédits ou des placements sans les conserver dans son
coffre pour lui rendre à sa demande à une date déterminée, le banquier alors prend un risque
lié à une pratique de l‟activité dans un monde incertain, les principaux risques que génère
l‟activité bancaire sont :
6
François Desmicht « Pratique de l‟activité bancaire » Dounod, 2004 pg 261
12
Chapitre I : Concepts théorique de la performance
efficacité économique mais aussi une satisfaction des individus. Avant de présenter les trois
types de centre de responsabilité, il convient d‟abord de définir ce dernier.
Un centre de responsabilité nommé aussi centre budgétaire, peut être défini comme une
entité de gestion, disposant d‟une délégation managériale formelle pour négocier des
allocations de ressources, des niveaux d‟objectifs et d‟un système de pilotage de sa gestion
qui lui permettant de rendre compte de l‟utilisation des ressources et de l‟état de ses
réalisations par rapport à ses objectifs propres.
La délégation porte sur le niveau de charges engagé pour la mise à disposition d‟un
produit ou d‟une prestation de service. Cette délégation peut aussi porter sur le respect d‟un
budget global de fonctionnement.
Les centres opérationnels : Ils ont pour objectif de réaliser des prestations répétitives
dont le mode opératoire est formalisé. Un tel centre peut donc disposer de la liste des
opérations standards élémentaires permettant de chiffrer les besoins en ressources et
donc faciliter au système de facturation interne sa mission de valorisation des
prestations fournies. Par exemple : centre de traitement des chèques ou virements.
Les centres de support : Ils effectuent des prestations identifiables à caractère non
répétitif dont le mode opératoire est complexe et ne peut être formalisé qu‟ « ex post »
car il relève souvent du « sur mesure ». La facturation interne se fait généralement par
le biais d‟une unité d‟œuvre. Tel que : le département de communication, de
marketing ou d‟informatique.
7
ROUACH M., NAULEAU G., « le contrôle de gestion bancaire et financier », 5 e édition, revue banque édition,
Paris, P.55.
13
Chapitre I : Concepts théorique de la performance
Les centres de structure : Quant aux centres de structure, ils effectuent des missions
générales et réalisent des prestations non identifiables et non récurrentes dans le but de
diffuser le soutien et la coordination aux autres entités. On peut citer à titre
d‟exemple : la direction générale, la direction du contrôle de gestion, la direction des
ressources humaines, la direction de la comptabilité ….
Les centres de profit dans la banque correspondent en substance aux agences, aux
succursales et aux unités commerciales.
La banque peut ouvrir des agences à sa convenance, il existe plusieurs formes d‟agences9 :
Les agences permanentes ouvertes tous les jours de la semaine sauf le weekend ;
Les agences intermittentes, ouvertes quelques jours de la semaine ;
Les agences sont organisées en services bureaux selon des formes divers, il y a au moins
un service celui de trésorerie.
9
Francois DESMICHT « pratique de l‟activité bacaire », Dunod,Paris,2004, pg 218-222
14
Chapitre I : Concepts théorique de la performance
Le Siège
Certaines clientèles ne sont pas détachées dans les agences, lorsqu‟il s‟agit des grandes
entreprises, promoteurs, collectivités locales. Ils sont traités directement par le siège qui
comprend des services responsables de ces marchés. C‟est-à-dire, comprend une direction
chargée de l‟animation commerciale dont dépendent hiérarchiquement les agences.
Les relations entre les agences et le siège
15
Chapitre I : Concepts théorique de la performance
Nous concentrons dans le cadre de notre recherche sur l‟étude de la performance des
agences bancaires.
Certains auteurs jugent nécessaire d‟adosser à la performance une mesure qui l‟évalue :
un référentiel. On l‟assimilerait alors au Banchmarking, autrement dit « évaluer les résultats
atteints en les comparant aux résultats souhaités ou des résultats étalons ».
9
Aude HUBRECHT-DEVILLE, « Mesure de la performance opérationnelle et prise de décision au sien d‟un réseau de
distribution, Lille, France, 2005
16
Chapitre I : Concepts théorique de la performance
mesure de la performance opérationnelle est axée sur la mesure des activités et des ressources
consommées en termes de volume.
Etant dotées d‟un certain nombre de ressources nécessaires : des ressources humaines,
des ressources d‟exploitation, et un capital-client. L‟activité d‟une agence bancaire est
souvent influencée par l‟environnement dans lequel elle se trouve et qui se considère comme
un facteur déterminant de la performance. Ainsi, en tenant compte des caractéristiques de sa
demande et l‟intensité de la concurrence, l‟évolution de la performance d‟une agence bancaire
se fonde sur sa capacité à développer de bonnes relations avec la clientèle de proximité.
Dans notre étude, nous nous sommes référés à l‟approche utilisée par les praticiens pour
cerner la liste des ressources et des emplois qui conditionnent la production d‟une agence
bancaire.
La performance financière prend en considération les revenus des activités et les coûts
des ressources pour s‟intéresser au résultat brut d‟exploitation.
Une agence performante, est une agence qui a un coût moindre pour chaque source du
coût et une marge/commission supérieure pour chaque source du produit.
Cette approche de mesure de performance évalue les ressources consommées par leurs
coûts et les produits générés par les marges et présente l‟avantage de pouvoir, indiquer les
dimensions sur lesquels doivent se focaliser les efforts (identification des coûts à réduire et
des marges à augmenter).
17
Chapitre I : Concepts théorique de la performance
Les agences bancaires représentent les points de vente des banques. Leur activité
commerciale consiste: à distribuer les produits bancaires (collecte de dépôts- octroi de crédit)
issus de l‟intermédiation bancaire mais aussi des produits non bancaires issus du
«produits hors bilan » tels que : les produits d‟assurances ou les produits de la banque à
distance.
Ainsi, la mission principale d‟une agence est de répondre aux besoins et aux attentes
de la clientèle (permet la mise en place d‟une relation de confiance durable avec la clientèle)
de proximité grâce à l‟allocation optimale de ses ressources qui sont essentiellement : des
ressources humaines, des ressources d‟exploitation et un capital-client qui constitue le fonds
de commerce de l‟agence.
Cependant, Kaplan et Norton indiquent que chaque indicateur doit être intégré dans
une chaine de relations causales qui relie les résultats stratégiques attendus à leurs indicateurs.
Dans cette approche, les indicateurs de performance répartis sur quatre axes :
financiers, clients, processus et apprentissage provisionnel, devront traduire la stratégie de
l‟agence son contrôle et une analyse approfondie des liens qui les devra permettre au
gestionnaire de suivre l‟opérationnalisation de celle-ci.
18
Chapitre I : Concepts théorique de la performance
Les indicateurs retenus à cet effet devront alors correspondre à des leviers d‟actions
pour les responsables de l‟agence. Il s‟en suit, alors que la comparaison de la performance
entre les agences doit tenir compte de leurs contraintes respectives.
Donnée »10 . Nous entendons alors par efficience, la mesure d‟absence de gaspillage dans
l‟emploi de ressources (humaines, techniques, financières et autres) tout en étant efficace.
Bien qu‟il n‟existe un consensus sur une définition claire de l‟efficience, plusieurs
chercheurs ont essayés de cerner les divers aspects de ce thème.
On peut alors affirmer qu‟une entreprise est efficiente si celle-ci utilise le minimum de
moyens pour atteindre un résultat. Cette définition économique de l‟efficience se réfère au
ratio « outputs/inputs » de La Villarmois.
10
MALO J-L. et MATHE J-C., L‟essentiel du contrôle de gestion, Edition d‟Organisation, 2ème édition, Paris,
2000, p. 106.
19
Chapitre I : Concepts théorique de la performance
Ainsi, l‟efficience permet d‟évaluer les résultats obtenus en tenant compte des moyens
mis en œuvre. C‟est une allocation optimale des ressources qui maximise le revenu et qui
permet de maitriser les coûts.
Objectifs
Pertinence Efficacité
Efficience
Résultats
Ressources
On peut dire que le concept de la performance est un concept large qui désigne
l‟habilité à transformer des inputs en outputs selon une stratégie afin de maximiser le revenu
tout en maitrisant les différents coûts. L‟efficience permet donc, d‟apprécier les performances
ainsi que le potentiel de développement d‟une entité pour la situer à ses concurrents.
Certaines agences bancaires sont meilleures que d‟autres. Cela tient d‟abord, à la
qualité de leur organisation, qui leur permet de mieux gérer les ressources dont elles disposent
11
.BESCOS P.L., DOBLER P., MENDOZA C., NAULLAU G., GIRAUD F, LEVRILLE ANGER V., Contrôle de
Gestion et Management, Monchréstien, 4ème édition, Paris, 1997, p.42
20
Chapitre I : Concepts théorique de la performance
pour améliorer leurs productivités. On dit que ces agences maitrisent mieux les divers aspects
de la production bancaires.
21
Chapitre I : Concepts théorique de la performance
niveau de production optimal. L‟inefficience d‟échelle proviendrait alors du fait que les
rendements d‟échelles soient croissants ou décroissants.
L‟efficience prix permet d‟identifier les agences bancaires qui arrivent à optimiser leurs
revenus étant donné les montants employées d‟inputs et les prix relatifs d‟outputs. Elle
concerne la capacité de l‟entreprise à combiner les inputs et les outputs dans les proportions
optimales, en vue de leurs prix respectifs.
L‟enjeu pour les banques serait alors d‟éviter le gaspillage des ressources en optant à la
combinaison d‟outputs qui permet de maximiser le revenu.
Selon Dietsch , une banque qui est techniquement efficiente est une banque qui
maitrise au mieux les aspects techniques de la production bancaire et qui parvient en
conséquence à offrir le maximum de services avec un niveau de ressources donné ou
un niveau donné de services avec un minimum de ressources. L‟autre aspect de
l‟efficience qui est l‟efficience prix fait référence au coût des ressources. En effet, une
banque efficiente choisira toujours la combinaison de ressources qui présente le coût
le plus faible afin de produire une combinaison de services et produits bancaires qui
permettent de maximiser sa rentabilité.
L‟efficience globale d‟une agence bancaire serait alors la résultante des deux types
d‟efficience. Ainsi, le concept d‟efficience met en relief non seulement la capacité productive
d‟une agence mais aussi sa capacité à maitriser ses coûts et à maximiser ses revenus.
Il est à noter, notamment, que chercheurs et praticiens se sont convenus que les unités
monétaires présentent une mesure plus pertinente pour évaluer la performance des agences
bancaires. En effet, une banque globalement efficiente serait alors une banque qui permet de
joindre efficience technique et efficience prix.
Une banque est efficiente techniquement mais inefficiente de point de vue prix. Cela veut
dire qu‟elle n‟a pas opté à la combinaison optimale d‟outputs produits et vendus, par
22
Chapitre I : Concepts théorique de la performance
Pour bien mener sa mission, le contrôleur de gestion dispose d‟un certain nombre
d‟outils lui permettant l‟évaluation et le pilotage des activités afin d‟optimiser les
performances. Les outils les plus utilisés sont principalement :
23
Chapitre I : Concepts théorique de la performance
La conception d‟un bon tableau de bord doit répondre à certaines règles par son
contenu et son fonctionnement à savoir :
13
Revue « Bouquin, 2001, pp. 397-398 »
14
Françoise Giraud,Olivier Saulpic,Gérard Naulleau,Marie-Héléne Delmond et Pierre-Laurent Bescos «Contrôle de
gestion et pilotage de la performance »,Paris,2002,P86.
24
Chapitre I : Concepts théorique de la performance
l'analyse. Il s'agit alors de reconstituer les produits et les charges qui peuvent être rattachés
aux différentes entités.
Ainsi, la démarche de calcul va se présenter de façon simplifiée, pour faire ressortir des
soldes intermédiaires de gestion qui sont détaillés comme suit 15:
Ce résultat constitue la marge dégagée sur l‟ensemble des activités bancaires après
prise en compte des frais généraux d‟exploitation. Ce solde doit permettre la couverture :
Des amortissements issus de la politique d‟investissement de la banque ;
Des provisions d‟exploitation pour la couverture du risque de crédit (créances non
performantes essentiellement). Ainsi, des dotations aux provisions très élevée sont
synonymes d‟une fragilité dans la qualité des engagements.
25
Chapitre I : Concepts théorique de la performance
Le résultat d‟exploitation :
Et négativement par :
Elle constitue la matrice des autres méthodes de rentabilité et permet de découper par
centre de profit, le résultat de la banque et de porter une appréciation sur les éléments
interne de compétitivité de la banque.
26
Chapitre I : Concepts théorique de la performance
L‟analyse par produit implique une connaissance des coûts de reviens de chacun des
produits et services permettant la mise en place d‟une politique de tarification de ces derniers,
et parvient à une connaissance des marges dégagées par chacun des produits et services
commercialisés par la banque. Ces marges constituent un atout pour le pilotage stratégique
vers les produits les plus rentables du portefeuille d‟activité de la banque.
Le gagnant est celui qui réussit à cerner au plus juste les besoins de son marché et le
profil de ses clients16.
Sur la base de cette étude, la banque va opérer des choix sur sa clientèle, et encadrer plus
finement les termes de négociation pour en limiter les risques.
Les ratios sont des grandeurs significatives qui permettent d‟appréhender l‟efficience
de l‟unité opérationnelle. Ils présentent un outil intéressant d‟analyse qui permet de comparer
les indices dans le temps et dégager l‟écart par rapport à l‟objectif.
L‟analyse par les rations doit respecter un certain nombre de règles pour être
pertinente :
16
Jean-Michel Errera, Christian Jimenez « Pilotage bancaire et contrôle interne », France, P38
27
Chapitre I : Concepts théorique de la performance
28
Chapitre I : Concepts théorique de la performance
Le RAROC est une mesure de la rentabilité ajustée annuelles des fonds propres
économiques, calculé sur la base nette des provisions moyennes constituées, pour couvrir le
risque normale généré par l‟activité.
29
Chapitre I : Concepts théorique de la performance
Conclusion
Une attention particulière a été accordée à la performance des agences bancaires, qui
présente le thème de notre mémoire. Celle-ci a été abordé sous l‟angle de l‟efficience et nous
a permis de conclure que l‟efficience des agences bancaires prend essentiellement deux
formes : une technique qui traduirait la capacité de l‟agence à produire le maximum d‟output
à partir d‟une quantité donnée d‟input et une efficience allocutive qui fait appel au coût des
ressources au niveau d‟une agence bancaire et vise à maximiser sa rentabilité.
30
Chapitre II : les Méthode de mesure de la
performance bancaire
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Introduction
L‟idée de mesure de la performance est une notion vague et relative. En effet, sa mesure
nécessite la définition d‟un référentiel auquel on se réfère et une base de comparaison
objective.
De ce fait nous allons présenter une brève revue de littérature concernant les nouvelles
approches de mesure de la performance au niveau des agences bancaires, ainsi que les aspects
techniques de ces méthodes.
32
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Face aux changements consécutifs tant sur le plan réglementaire que sur le plan
environnemental, Les banques et les entreprises se sont trouvées dans l‟obligation de déployer
leurs outils de mesure de la performance, qui permettent une mesure multidimensionnelle et
une prise en compte des facteurs non contrôlables afin de mieux apprécier l‟activité de chaque
unité de décision et sa contribution réelle à la performance de l‟organisation
Nous assistons alors à l‟avènement de plusieurs outils qui permettent de répondre à ces
besoins :
La technique des budgets à base zéro (noté par la suite BBZ) s'intéresse à la réduction
des frais généraux et la réallocation des ressources plus rationnelle. La base Zéro signifie que
l‟on ne tient compte d‟aucun élément du passé de la banque, il s‟agit juste de prévoir les
charges à venir et de les rapprocher aux centres de décision auxquelles elles se rapportent.
La budgétisation des moyens nécessaires par chaque responsable pour ses missions ;
17
http://www.controledegestion.net/perspectives/budget-base-zero.htm
33
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Les méthodes classiques de comptabilité analytique fondées sur l‟imputation des charges
indirectes s'avèrent bien mal adaptées au contexte économique actuel dû notamment à
l‟évolution de la technologie et l‟accroissement des charges indirectes.
Le principe de base de la méthode ABC est d'utiliser l'activité comme interface entre la
ressource et le produit, ce qui a pour vertu d'éviter des allocations arbitraires. En effet, son
objectif est d‟obtenir un coût précis pour permettre la prise de décision en matière de
tarification et de développement des produits. Elle permet également de mettre en lumière des
coûts des activités cachées grâce à un découpage minutieux du fonctionnement du processus.
Le Balanced Scorecard est, selon les auteurs Robert Kaplan et David Norton, un système
de management garantissant la clarification et la formalisation de la stratégie des
organisations en se basant sur des indicateurs financiers et non financiers. En d‟autre terme, le
Balanced Scorecard définit un cadre de conception de la stratégie afin de pouvoir la décliner
efficacement, la transformer en action. Il a comme vertu de mesurer la performance
opérationnelle tout en développant le pôle Clients qui est primordial pour assurer la pérennité
d‟une entité. Il permet aux organisations de traduire la vision et la stratégie de la compagnie
en une mise en œuvre pratique basée sur quatre perspectives : Financier, Client, Processus
18
http://www.toutpourmanager.com/dossier-338-dossier-methode-abc-%E2%80%93-elements-essentiels-
pour-comprendre-la-methode.htmls
34
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
1.1.4. Le Benchmarking
35
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
1. 2. La fonction de production19
La fonction de production est définit comme étant l‟ensemble des réalisations possibles
pour une firme, ou toute unité de décision, la frontière de production établit une relation
19
AMBAPOUR Smauel « Estimation des frontières de production et mesure de l‟effecacité technique »-2001
36
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Selon la théorie néoclassique, les firmes atteignent leur fonction de production primale
lorsqu‟elles arrivent à maximiser le niveau d‟outputs qu‟elles produisent pour un niveau
d‟input donné, on dirait alors qu‟elles auraient atteint le niveau d‟efficience technique et
l‟unique éventuelle source d‟inefficience serait alors allocutive.
Yi* : représente l‟output maximal que la firme peut produire à niveau donné d‟input .
Xi et T : représentent respectivement les inputs de la firme et la technologie adoptée.
Dans la pratique, la firme n‟atteint pas la frontière de possibilité de production en raison
de son inefficience technique due à son incapacité à mettre en œuvre toutes les meilleures
pratiques de gestion qui permettent d‟utiliser au mieux les inputs et aux différents aléas
qu‟elle rencontre.
La fonction de production qui tient compte des divers facteurs peut être sous la forme
suivante20 :
renvoi alors à l‟ensemble de processus mis en œuvre par la banque dans le cadre de la
20
Sandrine kablan « Mesure des performances des banques dans les pays en développement : le cas de l‟UEMOA » -
Workshop du 2-7 Juin 2007
37
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
transformation financière.
Ui : représentela combinaison des divers facteurs qui empêchent la firme de se situer sur la
*
frontière de production et d‟atteindre Yi .
Une mesure de l‟efficience technique sera alors le rapport entre le produit observé et le
*
produit maximal possible. En fonctionnant dans des conditions optimales la firme atteint Yi et
la valeur de Ui serait alors nulle.
L‟activité des agences bancaires est présentée à l‟aide de leur technologie de production
–distribution. En effet, la technologie au niveau des agences bancaires, repose sur un certain
nombre de ressources employées pour assurer la vente des divers services bancaire :
Sandrine kablan « Mesure des performances des banques dans les pays en développement : le cas de
21
l‟UEMOA » - Workshop du 2-7 Juin 2007
38
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Ressources humaines
mesureés par le nombre Encours des crédits accordés
d’employés en équivalent aux particuliers
temps plein Encours des crédits accordés
Ressources d’exploitation aux professionnels
mesurées par les frais Encours de l’épargne liquide
opérationnels Commissions sur les services
Capital client mesuré par le de gestion des moyens de
nombre de compte courants
Si Y est l‟output observé, la technologie est définie par la fonction de production f ( ), les
propriétés de stricte concavité, de continuité, de monotonie et s‟écrit de la façon suivante :
Y = f ( x , β ) –u / avec , u ≥ 0
f ( ) : fonction linéaire
U : mesure l‟écart entre l‟output observé y est l‟output réalisable par la technologie efficace.
Développée par Arifat et Richmond, cette approche consiste à utiliser l‟ensemble des
observations supposées situées sur ou sous la fonction de production primale et admet comme
hypothèse centrale que le terme d‟erreur résulte en entier de l‟efficience technique, cette
22
Aude hubrecht-devill « De nouvelles mesures de la performance financière et de la performance
opérationnelle des réseaux de distribution : le cas des agences bancaires ».
39
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
approche a largement été critiquée. Parmi les principales critiques adressées à l‟approche de
frontière déterministe, on peut citer :
Elle ne différencie pas les effets dus aux bruits statistiques, et les chocs aléatoires des
effets dus à l‟inefficacité technique et qui sont sous le contrôle de l‟entreprise ;
Cette approche est très sensible aux erreurs de mesure de la variable dépendantes.
Initiée par Aigner, Lovelle et Schmidt, Meeusen et Van Den Briker, et améliorer par
Jondrow et Al, l‟approche de la frontière stochastique avait pour objet de permettre
l‟estimation d‟indice d‟efficacité technique spécifique à chaque firme. Cette technique se
présente sous une forme fonctionnelle particulière ou le terme d‟erreur se décompose en deux
composantes 23:
Une composante qui capte les effets de l‟inefficacité par rapport à la frontière ;
Une composante « d‟erreur aléatoire » combinat les erreurs de mesure et les chocs
exogènes.
Yi = f ( xi ) exp (ɛi)
23
Sandrine kablan « Mesure des performances des banques dans les pays en développement : le cas de
l‟UEMOA » - Workshop du 2-7 Juin 2007 pg-17
40
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
ɛi = vi – ui
V : représente les aléas qui influencent la production et qui ne sont pas sous le contrôle du
gestionnaire. L‟estimation de ce modèle peut se faire par les moindre carrés ou par le
maximum de vraisemblance si l‟on spécifié les distributions des termes d‟erreurs U et V.
Ainsi, le principal atout de la méthode SFA c‟est qu‟elle permet d‟estimer une fonction
frontière tenant compte simultanément de l‟erreur aléatoire et d‟une composante d‟inefficacité
41
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Y
E1
V1
A1
A1
U1
B1
U2
A2
B2
V2 E2
X
U1 : inefficience
U2 : inefficience
Cette figure montre que l‟observation E1 représente une unité opérationnelle dont
l‟inefficacité (U1) est atténuée par les effets d‟un choc exogène favorable (V1). L‟observation
du point E1 au-delà de la frontière efficace s‟explique par l‟importance de la distance B1E1
24
Effecience des banques tunisiennes – sétude par l‟approche de Frontière stochastique
42
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
(le choc exogène favorable est d‟une taille assez importante) par rapport à A1B1
(inefficacité).
Cette approche comprend deux méthodes les plus utilisées, qui sont une extension du
modèle de FARRELL (1957) : à savoir Free Disposal Hull (FDH) et l‟Analyse
d‟enveloppement des données(DEA).
D‟après Berger et Humphry (1991), parmi les principales hypothèses de cette méthode :
Par conséquent, la présence d‟erreur pour une seul unité de la frontière peut biaiser la
mesure de l‟efficience pour toute les unités qui sont comparés à cette unité.
25
Décision Uinité Mangement
43
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Farrell considère une fonction de production à deux facteurs Y=f(X1, X2) et suppose
des rendements d‟échelle constants (constant return scale noté par la suite CRS).
L‟inefficience technique est évaluée par l‟écart à la frontière formée par les DMU de
l‟échantillon les plus performantes, tandis que l‟inefficience allocative stigmatise l‟utilisation
des inputs dans des proportions qui ne correspondent pas à l‟optimalité décrite par les prix
relatifs des inputs comme la montre la figure 5.
Sur la figure 5, l‟isoquante SS‟ représente les différentes combinaisons des facteurs
de production qu‟une DMU parfaitement efficiente au niveau technique pourra utiliser. Le
point Q définit une situation techniquement efficiente. Par contre, la DMU représentée par le
point P est inefficiente au niveau technique.
26
Source: A GUIDE TO DEAP VERSION 2.1: DATA ENVELOPMENT ANALYSYS (COMPUTER) PROGRAM
BY TIM COELLI, P5
44
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
La droite (AA‟) représente graphiquement le rapport des prix. Ainsi, le point Q n‟est
pas allocativement efficient. Farrell a mesuré l‟efficience allocative par EA = OR / OQ avec
un score borné par les deux valeurs 0 ≤ EA ≤ 1. La situation la plus efficiente, au niveau
technique et allocatif sur un plan économique, est atteinte en Q‟, point de tangence entre
l‟isoquante et la droite d‟isocoût27.
27
La droite d‟isocoût est la courbe représentant les rapports de prix.
45
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
DEA est une méthodologie fondée sur la programmation linéaire, qui compare des
unités similaires dans une population donnée, en prenant en compte simultanément plusieurs
dimensions.
Chaque unité est considérée comme une unité décisionnelle qui transforme des
« inputs » en « outputs ». Les inputs sont des ressources utilisées pour créer des outputs qui
ont certaines qualités.
La méthode DEA est encore appelée „‟méthode du point extrême‟‟, elle détermine la
frontière au sommet des observations plutôt qu‟un plan de régression en leur centre.
L‟analyse DEA calcule une mesure de la performance maximale pour chaque DMU
relativement à toutes les autres DMU dans la population observée avec la seule exigence que
chaque DMU se situe sur ou en dessous de la frontière extrême.
Elle permet de construire une frontière continue par morceaux. En d‟autres termes, on
commence d‟abord par déterminer les unités de décision efficaces, ensuite on déduit à partir
de ces dernières une frontière par extrapolation linéaire ou non linéaire.
Par ailleurs les calculs DEA ne placent aucune restriction sur la forme fonctionnelle de
la relation de production reliant les inputs aux outputs.
28
Patrick-Yves Badillo et Joseph C.Paradi « La Méthode DEA -Analyse Des Performance », France, 1999, P39
29
Patrick-Yves Badillo et Joseph C.Paradi « La Méthode DEA -Analyse Des Performance », France, 1999, P40
46
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Les mesures individuelles de l'efficience sont calculées par larésolution des problèmes
primaux et duals de programmation linéaire.
Les unités de production qui ne sont pas sur la Surface d‟enveloppement sont
inefficientes30.
Selon Ali et Seinford (1993), la formulation d'un modèle DEA requiert les choix
suivants :
30
Daniela Borodak « Les outils d‟analyse des performances productives utilisés en économie et gestion : la
mesure de l‟efficience technique et ses déterminants »/ Cahier de recherche 5/2007
47
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Un ratio d‟efficience est défini pour chaque DMU, ce ratio n‟est que le rapport entre la
somme pondérée des outputs et la somme pondéré des inputs.
Aucun score d‟efficience pour aucune DMU n‟excède l‟unité, lorsque l‟on utilise les
mêmes pondérations. Le score fait apparaître chaque DMU aussi performante que possible.
Les DMU sur la frontière ont une efficacité égale à l‟unité. Les unités inefficientes ont un
score d‟efficience inférieur à 1.
Les meilleures unités pratiques définissent l‟ensemble de référence de l‟efficience, qui
est graphiquement représenté par la frontière efficiente sur la Figure 6.
31
Patrick-Yves Badillo et Joseph C.Paradi « La Méthode DEA -Analyse Des Performance », France, 1999, P31
48
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Figure 6 : Six exemples de (DMU) affichent des efficiences différentes. Chacune des
unités consomme un input unique (x) pour produire un seul output (y).Le modèle DEA établit
les DMU qui font partie de la surface d‟enveloppement. Par exemple, P1, P3, P5, P6. Cette
surface définit la frontière d'unités efficientes par rapport à laquelle les unités inefficientes
sont identifiées. De toute évidence, L‟unité P9 dans cet exemple est inefficiente. Elle pourrait
améliorer ses opérations soit en réduisant ses inputs ou en augmentant ses outputs32.
La méthode DEA peut être envisagée selon deux approches légèrement différentes :
une approche orientée input et une approche orientée output.
32
Christiana V. Zenios, Stavros A. Zenios, Kostas Agathocleous, Andreas C. Soteriou “"Benchmarks of the Efficiency
of Bank Branches “Source: Interfaces, Vol. 29, No. 3 (May - Jun., 1999), pp. 37-51Published by: INFORMS
49
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
L‟efficience est analysée en termes d‟outputs c'est-à-dire une DMU est jugée
inefficiente si elle produit moins d‟output par rapport à une autre DMU produisant le même
niveau d‟output à moindre coût. Le programme mathématique consiste à maximiser les
outputs pour un niveau donné d‟inputs.
Par ailleurs, la mesure directionnel sert quant à elle à effectuer un benchmarking entre
réseaux .Elle permet d‟obtenir un diagnostic de performance agrégé pour servir à la prise de
décision au niveau centrale.
Soit l‟exemple illustré dans figure 7 basé sur une technologie simplifiée, produisant un
output à partir d‟un seul input, en supposant une approche orientée inputs.
50
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
L‟hypothèse des rendements d‟échelles variables quant à elle débouche sur l‟inefficience
technique pure (ETP) à partir des points B et A.
Les efficiences de la DMU (A) se calculent, selon l‟hypothèse posée, comme suit :
On déduit l‟écart entre CRS et VRS qui n‟est que l‟efficience technique d‟échelle :
33
Sources : Badillo&Paradi (1999), P. 108 ; ChabalqoitV& al. (2005). P5.
51
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Dans cette section, nous nous limiterons à décrire les deux modèles les plus employés
dans la littérature : le modèle CCR (Charnes, Cooper et Rhodes) et le modèle BCC (Banker,
Charnes et Cooper). Dans les deux cas, nous distinguons les modèles orientés input et orientés
output.
Dans ce qui suit, nous allons discuter les deux modèles sous l‟hypothèse suivante :
On suppose qu‟il y a (N) DMU à évaluer. Chacune d‟elles consomme des montants variables
de (m) inputs différents pour produire (s) outputs différents.
Soit la DMU (j) tel que j = 1,...n consomme un nombre Xj =x (ij) d‟inputs i =1,2,….m
et produit un montant Yj =y (rj) d‟outputs r=1,2…..s.
Le modèle CCR propose une évaluation objective et globale et identifie les sources
des inefficiences. Il a pour résultat une surface d‟enveloppement linéaire par morceaux, avec
des rendements d‟échelle constants et il admet des orientations à la fois input et output. . Les
résultats des modèle CCR orientés input et output sont identiques.
34
Patrick-Yves Badillo et Joseph C.Paradi « La Méthode DEA -Analyse Des Performance », France, 1999, P31
52
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
On considère ici, le modèle dit „‟orienté input‟‟. Suivant Coelli (1996), on dispose deK
inputs et M outputs pour chacune des N unités de décision (ou entreprises).
Cela veut dire que l‟efficience de l‟ème DMU sera obtenue par le ratio entre les
outputs et les inputs, sous la condition que ce même ratio soit égal ou inférieur à 1 pour
l‟ensemble des autres unités de décision observées. Le problème avec cette forme
fractionnelle, c‟est qu‟elle est difficile à optimiser, sa résolution admet une infinité de
solutions. Elle peut néanmoins, être linéarisée si l‟on définit une contrainte selon la
quelle le programme s‟écrit alors :
35
Charnes A., Cooper W.W., Rhodes E.L. (1978), « Measuring the Efficiency of Decision Making Units», European
Journal of Operational Research, Vol 2, pp 429-444.
53
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
L‟explication de ces deux notions se fera à travers une illustration avec des unités de
production consommant des combinaisons d'inputs(X1, X2), et produisant un seul output Y
54
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Les DMU C et D constituent deux unités efficientes et forment la frontière. Les DMU
A et B, pour leur part, sont inefficients.
En retenant les distances de Farrell, l'efficience technique des firmes A et B est égale à
OA'/OA et OB'/OB respectivement.
Ces mesures peuvent paraître discutables dans la mesure où le point A' n'est pas
efficient puisqu'il est possible d'obtenir le même niveau d'output en diminuant la quantité de
X2 d'un montant égal à CA‟. Ce montant est appelé Slack d'Input (SI) ou input en excès.
>0
ε est une constante non archimédienne (infinitésimale) ; suffisamment petite pour que
la maximisation des variables d‟écarts SO et SI demeure un objectif secondaire par
rapport à la minimisation du score d‟efficience ;
est le vecteur des outputs en déficit (Slacks d'Outputs) ;
36
Gervais Thenet « La conception de la technologie comme boite noire par le contrôle de gestion bancaire : la
mesure de la performance opérationnelle des agences par la méthode DEA (data envelopmentanalysis). P9.
37
Charnes A., Cooper W.W., Rhodes E.L. (1978), « Measuring the Efficiency of Decision Making Units», European
Journal of Operational Research, Vol 2, pp 429-444.
55
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
>0
56
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Le programme devient38 :
>0
>0
38
Patrick-Yves Badillo et Joseph C.Paradi « La Méthode DEA -Analyse Des Performance », France, 1999, P59
57
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Remarque :
Une DMU est caractérisée comme efficiente dans le modèle CCR orienté input si
seulement si elle est caractérisée comme efficiente dans le modèle CCR orienté output,
cependant les relations entre les modèle BCC et CCR sont quelque peu différentes. Si une
DMU est caractérisée comme efficiente dans le modèle CCR, elle le sera aussi dans le modèle
BCC, l‟inverse n‟est pas nécessairement vrai.
58
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Conclusion
La mesure de la performance des agences bancaires revêt d‟une importance majeure
pour la banque, ce qui nécessite le développement des méthodes de mesure de la performance.
En effet, ces méthodes peuvent être classées en deux groupes : les méthodes paramétriques
et les méthodes non paramétriques.
Le choix entre ces deux approches n‟est pas toujours facile. Bosman et Frecher (1992)
recommandent de se baser sur la connaissance de la technologie du secteur étudié.
59
Chapitre III : Application empirique
Analyse de la performance des agences
de la CNEP-Banque
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Introduction
Dans le présent chapitre, nous allons mettre en pratique les notions théoriques de la
méthode DEA précédemment développées. Nous projetons d‟appliquer cette méthode à
l‟ensemble des réseaux d‟exploitation de la CNEP-Banque, afin de déceler les inefficiences
relatives et d‟apporter les corrections nécessaires, ensuite, nous discuterons la robustesse du
modèle. Enfin, nous présenterons nos recommandations pour l‟utilisation du modèle comme
outil d‟aide à la prise de décision.
61
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
D‟autres auteurs ont mesuré l‟efficience globale des agences bancaires (Schaffnit,
Rosen et Paradi, 1997 ; Thenet et Guillouzo 2002). Toutefois, ces dernières ont uniquement
considéré les ressources humaines avec un modèle d‟efficience dont l‟objectif était d‟en
minimiser le coût. Ilsoccultaient ainsi une partie des ressources utilisées par les agences
bancaires et les frais qui en découlaient (frais financiers, autres frais d‟exploitation).
Par ailleurs, peu d‟analyses ont intégré des facteurs non contrôlables dans la
procédure d‟évaluation des agences bancaires. Seul Athanassopoulos (1997) considère
l‟environnement Commercial des agences bancaires. Or, celles-ci sont les points de vente des
banques. Et, les points de vente peuvent obtenir de meilleurs résultats grâce à des conditions
de marché plus favorables ; la performance des points de vente dépend à la fois de la capacité
des gestionnaires à prendre les bonnes décisions concernant les facteurs qui se trouvent sous
leur contrôle, mais aussi de l‟influence de facteurs non contrôlables qui caractérisent les
conditions de marché.
Les études réalisées ont notamment montré que la performance des points de vente
est influencée par les caractéristiques socio-économiques de la clientèle et par le niveau de
concurrence (Ghosh et Craig 1983, 1984).
62
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Sur la question du choix des inputs et des outputs bancaires, deux approches
s‟opposent pour leur détermination. L‟opposition porte sur la prise en compte des dépôts
bancaires comme inputs ou outputs.
L‟approche de production
Dans cette approche, l‟accent est mis sur les prestations et les services fournis par la
banque à sa clientèle moyennant des commissions perçues ; soit l‟ouverture et la gestion des
comptes, la réception des fonds, l‟octroi des crédits et également des services fournis aux
autres institutions bancaires ou non bancaires ; soit l‟achat et la vente des obligations et des
bons de caisse etc.
Pour ce faire, la banque utilise des coûts en personnel et en capital physique qui sont
considérés comme étant inputs pour produit les outputs.
L‟approche d‟intermédiation
Dans cette approche, la banque joue le rôle d‟un intermédiaire à travers la collecte des
dépôts, et leurs transformations en crédits pour satisfaire la demande d‟emprunts ou de
placements sur le marché. Les dépôts et les crédits sont considérés comme les principaux
inputs et outputs de la banque, respectivement.
Les agences de la CNEP-Banque n‟ont pas de pouvoir sur les dotations en ressources,
ces dernières sont allouées par la direction générale. De ce fait nous avons jugé plus cohérent
de retenir l‟approche de production pour l‟évaluation de la performance au niveau de la
population d‟agences étudiée, ce choix est également cohérent avec la stratégie de la banque,
qui consiste à élargir son réseau d‟agences et les inciter à privilégier la vente des produits et la
prestation des services financiers. Son objectif est de maximiser la création de valeur en
coordonnant le plus efficacement possible l‟activité des agences bancaires.
39
Patrick-Yves Badillo et Joseph C.Paradi « La Méthode DEA -Analyse Des Performance », France, 1999, P162
63
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Les principales étapes pour la construction d‟un modèle DEA sont d‟abord, la
sélection des DMU à évaluer et le choix de modèle à appliquer, ensuite, les étapes facultatives
telle que le regroupement des agences en groupes homogènes interviennent.
Les données traitées dans notre cas pratique sont fournies par la base de données de la
direction de gestion des réseaux d‟exploitation de la CNEP-Banque. Nous avons travaillé sur
les résultats de l‟année 2013. L‟analyse porte sur les 212 agences opérationnelles de la
CNEP- banque.
Notre analyse sera effectuée selon le modèle BCC (Banker, Cooper, Charnes ; 1984) à
rendement d‟échelle variable, car il s‟agit de modèle qui correspond le plus à la réalité du
contexte étudié. Ce choix peut être aussi justifié par le fait que la taille des agences bancaires
ne peut être augmentée indéfiniment autrement dit, la capacité de production des agences est
fixe à court terme.
Notre modèle est un modèle orienté output, le but est de maximiser la production de
l‟agence pour un niveau donné d‟inputs. L‟inefficience est appréhendée au regard de
l‟insuffisance d‟outputs. Ce choix est « cohérent avec le pouvoir décisionnel des agences :
elles ne décident ni des prix des produits ni de leurs localisations ni de leurs dotations en
ressources. Par contre, elles ont comme obligation d‟optimiser le volume des ventes. »40
40
HUBRECHT A., GUERRA F., « Mesure de la performance globale des agences bancaires : une application de la
méthode DEA », P. 9.
64
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Notre analyse portera sur une mesure d‟efficience radiale, car nous allons évaluer
l‟efficience des agences bancaires appartenant aux 14 réseaux d‟exploitations afin de réaliser
une pratique de benchmarking et essayer de ramener les unités les moins efficientes sur la
frontière d‟efficience en réduisant jusqu‟à l‟élimination des écarts d‟inefficience.
En se basant sur les études DEA appliquées aux agences bancaires et les données
disponibles au niveau de la CNEP-banque, nous avons choisi deux séries d‟inputs et d‟outputs
cohérentes avec les objectifs des dirigeants à identifier les agences performantes. Les inputs et
les outputs retenus sont présentés succinctement dans le tableau1 (voir annexe1).
A partir de là, nous avons développé trois modèles qui représentent la technologie de
production des agences de la CNEP- Banque (voir tableau 1).
Les inputs sont identiques dans les trois modèles, la différence réside dans les outputs.
le modèle 3 englobe les commissions et cinq produis financiers qui sont les dépôts rémunérés,
non rémunérés et les crédits, la prime d‟assurance et les transactions DAB ainsi que les frais
de personnel, que nous avons remplacé par le nombre d‟effectif moyen.
Les inputs Autres frais généraux Autres frais généraux Autres frais généraux
65
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Nous allons essayer d‟écrire le programme fractionnel développé par Banker, Charnes
et Cooper (1984) qui correspond à notre analyse :
Avec un modèle BCC orienté output, l„intention n‟est plus centrée sur la minimisation
des ressources en inputs ; l‟objectif est de maximiser la production d‟outputs tout en ne
dépassant pas les niveaux données des ressources42.
41
La description est inspirée de celle de Aude Deville,HervéLeleu « lorsque la mesure de la perfomrance
s‟envisage comme un outil d‟aide à la décision »,P14
41
Patrick-yvesBadillo,JoseohC.Paradi “La methode DEA, Analyse des performance”,P62
66
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Le programme fractionnel pour l‟(j) ème agence sous le modèle 1 s‟écrit comme suit :
, >0
Le programme fractionnel pour l‟(j) ème agence sous le modèle 2 s‟écrit comme suit :
, >0
67
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Le programme fractionnel pour l‟(j) ème agence sous le modèle 3 s‟écrit comme suit :
, >0
2.1. L‟analyse de la sensibilité des modèles par rapport au choix des inputs
et des outputs
Afin d‟étudier la sensibilité des modèles par rapport au choix des inputs et des outputs,
nous avons appliqué la méthode DEA sur l‟ensemble d‟agences de la CNEP-Banque à l‟aide
du logiciel DEAP2.1. Ensuite, nous avons calculé la corrélation entre les scores des trois
modèles. Le logiciel SPSS 19 nous a affiché les résultats suivants43 :
Tableau :La corrélation des trois modèles pour l’ensemble des agences
43
Les données des agences sont annuelles et ils sont issus des états financiers 2013 de la CNEP-Banque. Nous ne
pouvons les afficher pour un souci de confidentialité.
68
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Les scores des deux modèles 1 et 3 sont parfaitement et positivement corrélés entre
eux, ceci est expliqué par la similitude entre les outputs et les inputs des deux modèles. La
Seule différence réside dans un seul input qui est les frais de personnel pour le modèle 1
remplacé par l‟effectif moyen dans le modèle 3.
A partir de ce constat, nous pouvons conclure que les modèles sont insensibles aux
choix entre les frais de personnel et le nombre d‟effectif moyen et que l‟analyse peut être faite
en se basant sur l‟un des modèles 1 ou 3.
Toutefois, le coefficient de corrélation entre les scores des modèles 2 et 3 montre une
relation positive, estimé à 48,6%. Ce n‟est pas un coefficient très élevé mais il est
statistiquement significatif au seuil de 1%. Cela signifie que le modèle 2 apporte de
l‟information qui est différente , autrement dit, les agences performantes dans le modèle 2 ne
sont pas nécessairement performantes dans le modèle 3, ceci ne fait qu‟appuyer notre étude et
nous incite à mener un diagnostic profond sur les différences des scores entre les deux
modèles et déceler les sources d‟inefficacités des agences bancaires afin de porter les
corrections nécessaires.
Le critère de l‟efficience ne peut être significatif que pour des agences utilisant les
mêmes inputs pour produire les mêmes outputs et opérant dans des environnements
homogènes, car l‟inefficience peut être attribuée à des facteurs interne et/ou externe. En plus
la nouvelle stratégie de développement de la CNEP-Banque ( une nouvelle approche
commerciale) porte sur une classification qui n‟est pas encoure mise en application, à ce titre
nous allons tenter de les classifier par environnement.
44
HubrechtAude,Maitre de conférences « mesure de la productivité et pratique du benchmarking :le cas d‟une groupe
bancaire français »
69
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Dans notre cas, nous avons défini trois critères décrivant l‟environnement externe de
l‟agence bancaire 47 , après, nous avons procédé à la classification des agences en groupes
homogènes en termes de ces critères (voir annexe 2). Ces derniers sont :
45
Sefaihi Chahrazed « La mesure de l‟efficience des agences bancaires : Application de la méthode DEA », p73
46
Athanassopoulos(1998) a employé la technique de séparation des frontières pour analyser la performance des
agences bancaires. Il a réparti les agences dans des classes d‟environnement homogènes à l‟aide d‟une analyse en
composante principale
47
Apurés de l‟officie nationale des statistique (ONS)
70
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Ensuite, nous avons étudié la corrélation entre ces trois critères par le logiciel SPSS 19.
Le tableau suivant résume les résultats obtenus (voir annexe 3) :
La corrélation entre les trois critères est positive et très proche de l‟unité, cela signifie
que les trois critères varient dans le même sens et expriment la même information, de ce fait ,
nous pouvons nous limiter à un seul critère pour classer les agences en groupes homogènes
par exemple nous choisissons le nombre d‟agence par wilaya comme critère de référence.
La classification hiérarchique par le logiciel SPSS.19.0 (voir annexe 4) des wilayas selon
le critère de référence choisi a permis d‟identifier trois types d‟environnements
homogènes (voir annexe 5) que nous présentons dans le tableau suivant :
Environnement Caractéristique
E1 Il s‟agit des wilayas caractérisées par une intensité concurrentielle très
faible.
E2 Il s‟agit des wilayas caractérisées par une intensité concurrentielle
moyenne et une activité bancaire considéré comme relativement importante
et en développement continu.
E3 Il s‟agit des wilayas caractérisées par une forte intensité concurrentielle et
une activité bancaire et économique développées.
71
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Nous constatons que la majorité des agences bancaires opèrent dans l‟environnement
3, or l‟analyse DEA fonctionne bien quand le nombre d‟agences dépasse au minimum le
double de produit des inputs et des outputs, et avec un environnement de 26 et 30 agences
cela serait possible.
Nous allons donc appliquer les deux derniers modèles DEA sous des rendements
d‟échelle variables, séparément sur les trois groupes d‟environnements, afin d‟identifier les
agences efficientes et inefficientes techniquement ainsi que leurs pourcentages dans chaque
groupe.
Après avoir traité les informations relatives aux agences de groupe d‟environnement
E1, nous avons obtenu les scores d‟efficience à l‟aide du logiciel DEAP2.1.
72
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Modèle 2 Modèle 3
Agence CRS VRS Scale Scale[1] CRS VRS Scale
A1 0,705 1 0,705 Drs 0,932 1 0,932
A2 0,146 0,159 0,919 Irs 1 1 1
A3 0,218 0,24 0,909 drs 0,807 1 0,807
A4 1 1 1 - 1 1 1
A5 0,722 0,8 0,902 Irs 0,824 0,871 0,946
A6 0,391 0,396 0,988 Irs 0,727 0,733 0,992
A7 0,206 0,206 0,997 Drs 1 1 1
A8 0,426 0,466 0,915 Irs 0,756 0,763 0,991
A9 0,55 0,592 0,929 Irs 1 1 1
A10 1 1 1 - 0,612 0,816 0,75
A11 0,835 0,973 0,859 Drs 0,547 0,582 0,94
A12 0,813 0,815 0,997 Drs 1 1 1
A13 0,652 0,847 0,77 Irs 0,979 1 0,979
A14 0,77 0,806 0,956 Irs 1 1 1
A15 1 1 1 - 0,431 1 0,431
A16 0,301 0,321 0,94 Irs 0,411 0,512 0,803
A17 1 1 1 - 1 1 1
A18 0,432 0,542 0,796 Drs 0,673 0,678 0,993
A19 1 1 1 - 1 1 1
A20 0,659 0,97 0,679 Irs 0,705 1 0,705
A21 0,428 0,556 0,769 Drs 0,461 0,483 0,953
A22 0,619 0,692 0,894 Drs 1 1 1
A23 3 0,409 0,557 0,735 Irs 0,691 0,933 0,74
A24 1 1 1 - 0,747 1 0,747
A25 0,217 0,406 0,534 Drs 0,685 0,686 0,999
A26 0,376 0,386 0,975 Irs 0,759 1 0,759
Moyenne 0,611 0,682 0,891 0,798 0,887 0,903
73
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Les scores moyens sont de 0 ,682 et 0,887 pour les modèles 2 et 3 respectivement,
des moyennes qui sont considérées comme relativement élevées.
16 agences bancaires ont été identiquement classées dont 6 agences du groupe E1 sont
efficientes techniquement dans les deux dimensions. Cependant les 10 agences restantes sont
considérées comme efficientes par l‟un des modèles et inefficientes par l‟autre modèle. Par
contre les autres 10 agences affichent une inefficience sur les deux dimensions.
Nous donnons l‟exemple de l‟agence A7 qui est efficiente sur la deuxième dimension,
or son score est de seulement 0,206 sur la première dimension, ce qui signifie que cette
agence fonctionne bien dans la distribution des crédits, la collecte de dépôt avec de gros
montants en dégageant des COM relativement élevés. Cependant l‟agence A2 montre une
mauvaise performance dans la vente et l‟attractivité de nouveaux clients (un score de 0,159).
Cette différence entre les scores ne fait qu‟appuyer notre analyse et confirmer la faible
corrélation des deux modèles qui signifie que, les agences performantes sur une dimension ne
sont pas nécessairement performantes sur la deuxième dimension.
74
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Nous pouvons voir aussi des branches montrant une haute efficacité sur les deux
dimensions, particulierement les agences A1, A4, A15, A9, A17, A19 et A24 qui ont un score
égal à l‟unité sur les deux dimensions, ceci rend le modèle plus approprié pour l‟émulation
par d‟autres agences.
De la même façon, nous avons traité les données relatives à cette catégorie d‟agences
et les résultats du programme sont résumés dans le tableau (voir annexe 6).
Seulement 13% des agences de groupe E2 sont efficientes dans le modèle 2, par ailleurs, ce
pourcentage est légèrement augmenté pour le modèle 3, soit, un pourcentage de 17%.
Nous constatons également des faibles scores d‟efficience pour la plupart des agences
inefficientes.
Les scores moyens sont de 0,596 et 0,590 pour les modèles 2 et 3 respectivement, des
moyennes qui sont considérées comme relativement faibles.
75
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Les 11 agences restantes sont réputées inefficientes sur les deux modèles. Par
opposition, les agences A2, A37, A10, A20 et A21 affichent des scores d‟efficiences égales à
l‟unité sur les deux dimensions simultanément, ces agences font office de benchmarks pour
les agences inefficientes.
Cette dernière est donc calculée par le rapport entre le score d‟efficience sous un
modèle CRS et le score d‟efficience sous le modèle VRS.
76
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Nous présentons dans un premier temps l‟analyse de l‟efficience globale pour chaque
groupe d‟agence, ensuite, nous passerons à l‟analyse des inefficiences d‟échelle des agences
de groupe E1, E2 et E3.
3.2.1. L‟efficience globale et les inefficiences d‟échelle des groupes des agences
A. L‟efficience globale
Les scores d‟efficience globale sont faibles par rapport aux scores d‟efficience
technique pour le modèle 3, cependant, seulement 9 agences de groupe E1 parmi les 16
agences efficientes techniquement sont réputées efficientes globalement, de plus, ces
agences sont installées dans un environnement caractérisé par une intensité concurrentiel
très faibles, ce qui confirme l‟hypothèse de l‟influence des facteurs externes sur la
performance globale de l‟agence.
Le second groupe d‟agence présente des scores d‟efficience globale très faibles
comparativement aux scores d‟efficience technique des deux modèles, tandis que ces
agences opèrent dans un environnement en développement continu.
77
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
En ce qui concerne le modèle 3 : le nombre d‟agence efficiente sous BCC est de 16, en
relâchant l‟hypothèse de REV ( rendement d‟échelle variable), ce chiffre se réduit à 9. Soit
une différence de 7 agences du groupe E1 (A1, A3, A15, A20, A24 et A26) affichant une
inefficience d‟échelle due au rendement d‟échelle croissant ou décroissant. Quant aux 10
agences restantes, elles montrent une inefficience due aux doubles inefficiences à rendement
d‟échelle variable et constant.
48
Voir le tableau 7 affichant les scores des deux modèles sous rendement d‟échelle variable et constant
78
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Pour le modèle 3 : 10 agences parmi 21affichent une inefficience d‟échelle (A2, A34,
A39, A58 …).
Pour le modèle 3 : nous remarquons que les agences du groupe E3 n‟affichent aucune
inefficience d‟échelle.
Dans ce qui suit, nous allons concentrer notre analyse sur l‟agence de l‟environnement
E1(A11) marquée comme inefficiente par le modèle 2 et le modèle 3.
D‟abord, nous allons analyser cette agence en faisant appel à des ratios d‟activités,
ensuite, nous allons essayer d‟être plus précis sur les inputs consommés et les outputs produits
49
Voir annexe 6 le tableau affichant les scores des deux modèles sous rendement d‟échelle variable et constant (groupe
E2)
50
Voir annexe 7 le tableau affichant les scores des deux modèles sous rendement d‟échelle variable et constant (groupe
E3)
79
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
à la lumière des résultats de notre approche DEA, tout en expliquant l‟origine de l‟inefficience
de cette agence.
Enfin, nous allons présenter une solution palliative à cette situation à l‟aide de la
méthode DEA qui permet d‟identifier les agences benchmarks pour cette agence, à défaut
d‟une agence réelle, l‟approche permet également de définir une agence virtuelle qui n‟est que
la combinaison d‟un ensemble d‟agences efficientes.
Nous présentons ces ratios d‟activités sous la forme d‟un tableau, nous avons fait
également quelques statistiques afin de faciliter la comparaison :
80
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Nous allons continuer notre diagnostic à la lumière des résultats du modèle DEA sous
des rendements d‟échelle variables :
Tableau :Les résultats d’analyse de l’agence A11 de modèle 3 sous des rendements d’échelle
variable
L‟agence A11est une agence opérante dans un environnement faiblement développé (un
marché limité), ceci explique d‟une part la faiblesse de ses commissions, en effet elle est
composé essentiellement de marge d‟intermédiation à travers les crédits octroyés à une
catégorie de clientèle restreinte qui n‟effectuent pas des opérations de crédits aux entreprises
qui rapportent des commissions élevées. Cette agence affiche un score d‟efficience
technique de 58,2% sous le modèle BCC, soit une inefficience estimée à 41.8%, cette
inefficience est due à un rendement d‟échelle décroissant expliqué par une surconsommation
des inputs, qui est estimé par un surplus de 7 employés, un manque à gagner de 1028,795
MDA pour le les dépôts rémunérés, 1,725MD pour les primes d‟assurances et 207,683 MDA
81
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
pour les crédits. Afin d‟y faire face, l‟effectif peut apporter un effort supplémentaire pour
évoluer l‟activité sans procéder à un nouveau recrutement.
Aussi pour faire face à l‟insuffisance due à la faible activité d‟octroi de crédit, l‟agence
A11 doit procéder à l‟encouragement de certains produits rentables à court terme et ayant
pour caractéristique un taux d‟intérêt élevé tel que le crédit à la consommation accordé à la
clientèle, sans toutefois négliger la prestation de service. Cette dernière procure des revenus
stables insensibles aux variations des taux d‟intérêt sur le marché et contribue aussi à
l‟augmentation du PNB.
Par ailleurs, cette agence souffre d‟une inefficience technique à laquelle elle doit faire
face en augmentant ses produits (Commissions, Primes d‟assurance, Dépôts rémunérés,
Dépôts non rémunérés, Crédits, transactions DAB) avec les quantités suivantes (4.201;0.883 ;
331.459; 101.812; 582.374; 0.013) tout en gardant le même niveau d‟input.
Ainsi, l‟agence A11 doit s‟inspirer des pratiques managériales exercées au niveau des
agences efficientes identifiées comme benchmarks par la méthode DEA.
L‟agence A11
la liste des benchmarks 9 7 26
poids des benchmarks 0.043 0.073 0.258
Les valeurs projetées (voir annexes 13) permettent la prise de décision par les
responsables en termes de fixation de nouveaux objectifs pour l‟exercice suivant et
l‟allocation des budgets.
Nous allons exposer les résultats de l‟agence A3 qui fait partie de deuxième groupe,
caractérisé par une activité bancaire et économique relativement importante.
82
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
L‟agence A3 affiche un PNB qui est très faible par rapport à une agence moyenne du
groupe E2, ce qui lui apporte une contribution au PNB seulement de 0,9%, or sa
consommation en frais de personnel et autres frais dépasse celle d‟une agence moyenne.
Le volume d‟activité de l‟agence A3 est également faible, en effet les montants de ses
dépôts et ses crédits n‟atteignent même pas la moitié de ceux d‟une agence moyenne.
83
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Tableau : Les résultats d’analyse de l’agence A3 de modèle 2 et 3 sous des rendements d’échelle
variables
D‟autre part, le manque à gagner des COM qui est estimé à 14.161MDA peut être
compensé par une attraction des nouveaux clients, tel que la suscription aux contrats
d‟assurances, estimé à 320 contras comme l‟affiche le modèle 2. Ainsi une surconsommation
84
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
est affichée des frais de personnel sous le modèle 3 et frais généraux sous le modèle 2, à
laquelle l‟agence A3 doit faire face.
Nous allons exposer les résultats de l‟agence A3 qui fait partie du troisième groupe
caractérisé par une activité bancaire et économique développée.
L‟agence A8 de groupe E3 affiche un PNB qui est très faible par rapport à une
agence moyenne, avec une contribution très faible de 0,02%, ainsi que sa consommation en
frais de personnel et frais généraux ne dépasse pas celle d‟une agence moyenne.
Le volume d‟activité de l‟agence A8 est également faible, en effet les montants de ses
dépôts rémunérés et non rémunérés ne dépassent pas ceux d‟une agence moyenne.
Cette agence, au sein de la CNEP-Banque, fait partie du groupe des agences à faible
Rentabilité, aussi l‟analyse DEA marque cette agence comme inefficiente.
85
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Nous allons continuer notre diagnostic à la lumière des résultats du modèle DEA sous
des rendements d‟échelle variables.
Tableau :Les résultats d’analyse de l’agence A8 du modèle 3
L‟agence A8 affiche un score d‟efficience technique de 92% sous le modèle BCC, soit
une inefficience d‟échelle estimée à 8%. Cette inefficience est due à un rendement d‟échelle
décroissant expliqué par une surconsommation des inputs, qui est estimé par un surplus de 7
employés, un manque à gagner de 594.154MDA pour le les dépôts rémunérés, 218.969MD
pour les dépôts non rémunérés et 1046.093MDA pour les crédits.
Par ailleurs, cette agence souffre d‟une inefficience technique à laquelle elle doit faire
face en augmentant ses produits (COM, Prime d‟assurance, Dépôt rémunéré, Dépôt non
rémunéré, Crédits) avec les quantités suivantes (0.387; 0.885; 375.127; 2.343; 61.074) tout en
gardant le même niveau d‟input.
86
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Globalement, nous pouvons voir que l‟inefficience de certaines agences est causée
essentiellement par un manque à gagner de certains outputs, avec une surconsommation des
inputs.
L‟approche DEA ne produit pas des résultats contradictoires aux ratios d‟activités, ils
sont plutôt complémentaires et apportent plus de précision.
Nous pouvons constater la forte contribution des agences de groupe E1, efficiences au
volume des outputs qui atteint les 82,69% pour les crédits et la totalité pour le PNB car les
agences inefficientes dégagent un PNB négatif, cela est avec un nombre d‟agences qui
s‟élève à 16 agences efficientes soit 62% des agences du groupe E1.
87
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
88
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Afin de valider la robustesse du modèle DEA appliqué dans notre étude, nous avons
procédé de la même façon que La VILLARMOIS(1999), pour ce faire, nous avons testé la
convergence des scores d‟efficience51 calculés avec les indicateurs d‟activités les plus utilisés
par le contrôle de gestion.
51
VILLARMOIS(1999) dans son étude « l‟évaluation de la performance des réseaux bancaires : la méthode
DEA »
89
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Nous avons obtenus les scores de corrélations à l‟aide du logiciel SPSS.19 qui sont
présentés dans le tableau :
Corrélations
Score
d'efficience PNB/Client ENG/Employé
Score d'efficience Corrélation de Pearson 1 15,10% 15,30%
PNB/Client Corrélation de Pearson 15,10% 1 -3%
ENG/Employé Corrélation de Pearson 15,30% -3% 1
* La corrélation est significative au niveau 0.05 (bilatéral).
** La corrélation est significative au niveau 0.01 (bilatéral).
Conformément aux attentes, une corrélation positive existe entre le score et les divers
indicateurs. Elle est significative mais relativement faible du fait que le score d‟efficience est
un indicateur synthétique qui représente la performance globale, alors que les autres
indicateurs sont partiels et ils ne présentent qu‟une facette de la performance. Cette relation
nous permet de dire que le modèle DEA se veut complémentaire à ces indicateurs partiels voir
même substituable.
90
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
Conclusion
Au terme de ce chapitre, nous arrivons à classer l‟ensemble des agences dans trois
groupes d‟environnements différents selon l‟intensité concurrentielle, ainsi nous arrivons à
faire une évaluation de chaque groupe grâce aux coefficients d‟efficience individuels dégagés
par la méthode DEA. De là, découle la possibilité d‟identifier les agences de référances qui
constituent la frontière d‟efficience et par rapport auxquelles sont comparées les autres
agences souffrant d‟une inefficience technique.
De ce fait, notre étude effectuée sur les 212 agences de la CNEP-Banque, que nous
avons classifié en introduisant les critères de l‟environnement, ce qui a généré trois groupes
d‟agences différents selon l‟intensité concurrentielle. Ensuite, nous avons développé deux
modèles DEA cohérents avec les objectifs de la banque afin d‟évaluer les activités des
agences bancaires de façon aussi complète que possible. Le premier modèle renvoie au
volume d‟activité généré par l‟agence bancaire soient le chiffre d‟affaire, l‟encours des crédits
et l‟encours des dépôts. Quant au deuxième modèle, il exprime l‟attractivité de la clientèle par
agence et le volume d‟activité en termes d‟opérations disponibles dans le système
d‟information de la banque.
En ce qui concerne les agences du groupe E3 qui se caractérise par une forte intensité
concurrentiel, on a trouvé que la moitié d‟agences présente une bonne performance en terme
de productivité et d‟intermédiation financière (modèle 3), contre 63% agences inefficientes
sous le modèle 2 (une mauvaise attractivité des nouveaux clients). Ce pourcentage est resté le
91
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-
Banque
même pour la performance globale sous le modèle 3 ce qui permet de dire que ce groupe
d‟agences à bénéficié des avantages de l‟environnement.
Cette différence de score entre les groupes peut être expliquée par le fait que les
agences du groupe E3 opèrent avec tous les segments de la clientèle, ce qui augmente à la fois
son volume d‟activité et le nombre de clients et de transactions , cependant les agences du
groupe E1 et E2 qui travaillent avec les particuliers et les professionnelles, et avec un nombre
restreint d‟entreprises, ce qui lui confère une performance basée sur le volume d‟activité et
non pas sur le nombre de clients ou de transactions.
De même, cette analyse favorise une pratique de benchmarking, en effet les agences
(A4, A17 et A19) ont fait office de benchmarks pour le groupe d‟environnement E1 dans les
deux dimensions soit techniquement et globalement, (A10, A66, A82 et A148) pour le groupe
d‟environnement E2 et (A2, A10, A20, A21…) pour l‟environnement E3.
Enfin, nous avons essayé de démontrer la complémentarité du modèle DEA qui a fait
l‟objet de notre étude avec les indicateurs traditionnels généralement utilisés par la CNEP-
Banque en se référant aux travaux réalisés par Olivier DE LA VILARMOIS qui a démontré la
relation positive entre le coefficient d‟efficience et les indicateurs d‟activité partiels employés
par la banque, nous avons trouvé une relation positive entre le score d‟efficience et les
indicateurs de productivité partielle, et nous aurons de ce fait répondu aux questions
principales préalablement posées.
92
Conclusion générale
Conclusion générale
Nous avons intégré dans une procédure d‟évaluation de la performance des agences
l‟organisation interne du réseau bancaire, ainsi que le déploiement stratégique en proposant
une procédure opérationnelle qui s‟appuie sur la technique du DEA. La mesure de la
performance ainsi que le développement d‟indicateurs de performance pertinents sont décisifs
pour améliorer la prise de décision des managers-dirigeants et par conséquent pour le système
de pilotage.
Etant donné que l‟efficience représente l‟un des facteurs qui peut expliquer la
performance globale de l‟unité de production bancaire, il serait opportun d‟intégrer au tableau
de bord traditionnel de chaque agence un nouvel indicateur caractérisé par le fait qu‟il soit une
mesure synthétique et compréhensive de l‟efficience. Il s‟agit du coefficient d‟efficience qui
peut être obtenu grâce à la méthodologie d‟analyse par enveloppement des données (DEA).
Du point de vue du directeur de l‟agence, nous soulignons que les résultat obtenus
permettent à chaque agence de se positionner par rapport aux meilleures pratiques observées
étant donné les contraintes d‟environnement et la dotation en ressources décidées par la
direction générale. La performance obtenue par les meilleures pratiques pourra être employée
comme valeur cible à atteindre, chaque directeur d‟agence peut évaluer l‟effort qui lui reste à
fournir pour atteindre la cible.
93
Conclusion générale
94
Bibliographie
Les Ouvrages
BESCOS P.L., DOBLER P., MENDOZA C., NAULLAU G., GIRAUD F, LEVRILLE
ANGER V, « Contrôle de Gestion et Management », 4ème édition, Paris, 1997.
Françoise .G, Olivier .S, Gérard.N, Marie-H et Pierre-L. Be «Contrôle de gestion et pilotage
de la performance », Paris, 2002.
Charnes A., Cooper W.W., Rhodes E.L.), « Measuring the Efficiency of Decision Making
Units», European Journal of Operational Research, 1978
Cavaignac.V « Les principaux apports de la méthode DEA à la gestion simultanée des coûts,
de la qualité et des délais : résultats issus d‟une simulation ».
COELLI.T.J; Centre for Efficiency and Productivity Analysis (CEPA) Working Paper, A
Guide to DEAP Version 2.1, Data Envelopment Analysis (computer) Program, N°.8/96.
Hervé Leleu .D.,« lorsque la mesure de la perfomrance s‟envisage comme un outil d‟aide à la
décision »,
Hervé Leleu .D.,« lorsque la mesure de la perfomrance s‟envisage comme un outil d‟aide à la
décision »,
Kablan .S. « Mesure de la performance des banques dans les pays en developpement : le cas
France : une estimation par une fonction de coût flexible » décembre 2009.
Thenet .G. « La conception de la technologie comme boite noire par le contrôle de gestion
bancaire : la mesure de la performance opérationnelle des agences par la méthode
TIM COELLI “A GUIDE TO DEAP VERSION 2.1: DATA ENVELOPMENT ANALYSYS (COMPUTER)
PROGRAM
Yildizoglu .M, « Translog ou Cobb-Douglas Le rôle des durées d‟utilisation des facteurs »
,Marseille 22 avril 2009
Les Sites
http://www.blog.saeeed.com/2009/10/le-controle-de-gestion-apparition-et-evolution/
La revue comptable et financière N 69 Ete 2005
http://www.controledegestion.net/perspectives/budget-base-zero.htm
http://www.toutpourmanager.com/dossier-338-dossier-methode-abc-%E2%80%93-elements-
essentiels-pour-comprendre-la-methode.htmls
http://mangement.canalblog.com/archives/2009/09/17/15101176.html
http://www.toutpourmanager.com/dossier-338-dossier-methode-abc-%E2%80%93-elements-
essentiels-pour-comprendre-la-methode.htmls
Liste des figures
La nature
de la La variable La Justification du choix La documentation
variable
"Benchmarks of the
Efficiency of Bank
Le personnel est identifié comme étant la
Branches” Christiana V.
principale ressource des banques en
Zenios, Stavros A. Zenios,
termes de ses effets sur la production et
Frais de Kostas Agathocleous,
ses coûts estimés à environ 70% de leurs
personnel ou Andreas C. Soteriou
dépenses
nombre
d‟effectif (FP ; “Best practice analysis of
NEM) bank branches: An
Cet input peut être mesuré en unité
application of DEA in a
monétaire (frais de personnel) ou en
large Canadian bank”
Input
Total crédits
"A Data Envelopment
aux
Cet output mesure aussi le volume Analysis of the
particuliers-
d‟activité de l‟agence et il reflète sa Operational Efficiency of
aux
mission principale qui est la Bank Branches “
promoteurs et
transformation des dépôts en crédits.
aux entreprises
B. Golany and J. E.
CPRT-
Storbeck”
CPRO-CENT
“Best practice analysis of
Nombre et
Il reflète l‟activité de l‟agence en valeur bank branches:
montant des
et non pas en volume tel que les dépôts An application of DEA in
intérêts
et les crédits a large Canadian bank”
provenant des
Claire Schaffnit *, Dan
transactions :
Les transactions sont les principaux Rosen, Joseph C. Paradi
services que les banquiers fournissent à “A Study of the Relative
Transaction
vleurs clients. Efficiency of Bank
DAB
Branches: An Application
Dans notre cas pratique, nous avons été of Data Envelopment
limités par la disponibilité des données Analysis”
sur cet output, en effet nous avons pris M. Vassiloglou and D.
en considération que les transactions Giokas
effectuées sur les distributeurs Patrick-
automatiques de billets (DAB). yvesBadillo,JoseohC.Paradi
“La method DEA,
Analyse des
performance”
“De nouvelles mesures de
Cet output est destiné à refléter les
Prime la performance financière
principaux objectifs de la banque soit
d‟assurance et de la performance
l‟augmentation de la clientèle et la vente
PASS opér”
des services offerts par la banque
Hervé LELEU- CNRS-LEM
A Data Envelopment
Production
Analysis of the
compte
Il permet de mesurer la fidélité de la Operational Efficiency
ouvert
clientèle en terme des comptes of Bank Branches “
(PCO)
dépôts rémunérés et non rémunérés.
(CDRM,
B. Golany and J. E.
CDNRM)
Storbeck”
Annexe 2. Tableau des cratères décrivant l’environnement
Corrélations
nombre
Personne d'agence par
Population morale Wilaya
Population Corrélation de Pearson 1 ,833** ,868**
Sig. (bilatérale) ,000 ,000
N 48 48 48
**
Personne morale Corrélation de Pearson ,833 1 ,987**
Sig. (bilatérale) ,000 ,000
N 48 48 48
** **
nombre d'agence par Corrélation de Pearson ,868 ,987 1
Wilaya Sig. (bilatérale) ,000 ,000
N 48 48 49
Annexe 4. L’arbre hiérarchique de classification des environnements
Annexe 5. Tableau de classification des willayas par environnement
Modèle 2 Modèle 3
Agence CRS VRS Scale Scale[1] CRS VRS Scale Scale
A1 0,081 0,115 0,703 Irs 0,247 0,251 0,983 irs
A2 0,275 0,608 0,452 Irs 0,457 1 0,457 irs
A3 0,634 0,662 0,957 Drs 0,444 0,531 0,835 drs
A4 0,538 0,593 0,908 Irs 0,78 0,789 0,989 irs
A5 0,746 0,761 0,98 Drs 0,703 0,781 0,9 drs
A6 0,418 0,455 0,918 Irs 0,294 0,3 0,98 irs
A7 0,976 0,979 0,997 Drs 1 1 1 -
A8 0,45 0,532 0,845 Drs 0,477 0,811 0,587 drs
A9 0,362 0,368 0,982 Irs 0,447 0,447 1 -
A10 1 1 1 - 1 1 1 -
A11 1 1 1 - 0,428 0,474 0,903 irs
A12 0,505 0,526 0,962 Drs 0,303 0,303 1 -
A13 0,284 0,4 0,71 Drs 0,188 0,323 0,582 drs
A14 0,409 0,426 0,96 Irs 0,304 0,314 0,97 drs
A15 0,423 0,428 150,988 Irs 0,322 0,323 0,995 irs
A16 0,488 0,494 0,988 Irs 0,284 0,364 0,78 irs
A17 0,507 0,621 0,817 Drs 0,258 0,27 0,953 drs
A18 0,328 0,344 0,952 Irs 0,411 0,48 0,857 irs
A19 0,346 0,357 0,97 Irs 0,463 0,463 1 -
A20 0,236 0,236 0,997 Irs 0,412 0,451 0,914 drs
A21 0,39 0,663 0,588 Drs 0,296 0,463 0,638 drs
A22 0,411 0,496 0,827 Irs 0,427 0,463 0,922 irs
A23 0,255 0,278 0,916 Irs 0,451 0,575 0,785 irs
A24 0,276 0,288 0,958 Drs 0,214 0,244 0,879 drs
A25 0,322 0,423 0,76 Drs 0,173 0,201 0,863 drs
A26 0,356 0,42 0,847 Drs 0,254 0,267 0,951 drs
A27 0,237 0,244 0,971 Irs 0,176 0,181 0,972 irs
A28 0,267 0,305 0,873 Drs 0,131 0,24 0,546 drs
A29 0,564 0,574 0,982 Irs 0,644 0,784 0,821 drs
A30 0,914 1 0,914 Drs 0,35 0,36 0,972 drs
A31 0,442 0,449 0,983 Drs 0,295 0,354 0,834 drs
A32 0,391 0,504 2 0,774 Irs 0,28 0,313 0,895 irs
A33 0,986 1 0,986 Irs 0,346 0,354 0,977 irs
A34 1 1 1 - 0,76 1 0,76 drs
A35 0,649 0,654 0,992 Drs 0,77 0,841 0,916 drs
A36 0,11 0,149 0,736 Drs 0,231 0,485 0,476 drs
A37 0,35 0,352 0,994 Drs 0,867 0,949 0,913 irs
A38 0,437 0,44 0,994 Irs 0,233 0,256 8 0,912 drs
A39 0,232 0,249 0,931 Irs 0,506 1 0,506 irs
A40 0,189 0,189 1 - 1 1 1 -
A41 0,383 0,467 0,82 Drs 0,409 0,613 0,667 drs
A42 0,547 0,549 0,997 Drs 0,293 0,403 0,727 drs
A43 0,466 0,471 0,988 Drs 0,439 0,468 0,938 drs
A44 0,133 0,193 0,692 Drs 0,44 0,579 0,76 drs
A45 0,822 0,969 0,849 Drs 0,587 0,816 0,719 drs
A46 0,482 0,5 0,964 Drs 0,634 0,788 0,805 drs
A47 0,277 0,286 0,971 Irs 0,64 0,797 0,803 drs
A48 0,626 0,65 0,964 Irs 0,466 0,487 0,957 drs
A49 0,258 0,445 0,578 Drs 0,231 0,383 0,603 drs
A50 1 1 1 - 0,594 0,61 0,973 drs
A51 0,854 0,893 0,957 Irs 0,411 0,447 0,921 irs
A52 1 1 1 - 0,511 0,516 0,989 irs
A53 0,849 0,898 0,946 Drs 0,816 0,885 0,922 drs
A54 0,412 0,559 0,737 Irs 0,524 0,559 0,936 irs
A55 0,228 0,269 0,848 Irs 0,294 0,297 0,989 irs
A56 0,658 0,68 0,968 Drs 0,556 0,595 0,934 irs
A57 1 1 1 - 0,579 0,6 0,965 drs
A58 0,54 0,876 0,616 Drs 0,598 1 0,598 drs
A59 0,617 0,634 0,973 Drs 0,576 0,611 0,943 drs
A60 0,615 0,619 0,993 Irs 0,581 0,582 0,999 -
A61 1 1 1 - 0,615 0,627 0,981 drs
A62 1 1 1 - 0,861 0,902 0,954 drs
A63 0,654 0,686 0,954 Drs 1 1 1 -
A64 0,866 0,872 0,993 Irs 0,859 0,9 0,954 drs
A65 0,662 0,707 0,936 Irs 0,77 0,825 0,934 drs
A66 1 1 1 - 1 1 1 -
A67 0,285 0,333 0,854 Drs 0,292 0,682 0,428 drs
A68 0,587 0,631 0,931 Drs 0,45 0,521 0,864 drs
A69 0,36 0,371 0,969 Drs 0,373 0,473 0,788 drs
A70 0,064 0,162 0,393 Drs 0,427 0,886 0,482 drs
A71 0,437 0,44 0,994 Irs 0,472 0,476 0,992 drs
A72 0,565 0,755 0,749 Drs 0,392 0,767 0,511 drs
A73 0,812 0,82 0,99 Drs 0,581 0,586 0,992 irs
A74 0,297 0,302 0,982 Irs 0,39 0,412 0,947 irs
A75 1 1 1 - 0,334 0,334 5 0,999 -
A76 0,752 0,753 0,998 Irs 0,825 0,829 0,995 irs
A77 0,171 0,183 0,934 Irs 0,13 0,134 0,971 irs
A78 0,375 1 0,375 Irs 0,247 0,261 0,948 irs
A79 0,72 0,735 0,98 Drs 0,938 0,995 0,942 drs
A80 0,456 0,594 0,767 Irs 0,328 0,332 0,988 irs
A81 0,872 1 0,872 Drs 0,808 1 0,808 drs
A82 1 1 1 - 1 1 1 -
A83 0,36 0,361 0,998 Drs 0,387 0,396 0,978 irs
A84 0,186 0,186 0,999 - 0,355 0,397 0,894 drs
A85 0,49 0,492 0,997 Drs 0,689 0,722 0,954 drs
A86 0,795 0,956 0,832 Drs 0,562 0,602 0,932 drs
A87 0,617 0,625 0,987 Irs 0,543 0,547 0,993 drs
A88 0,563 0,565 0,996 Irs 0,615 0,615 1 -
A89 0,933 0,978 0,954 Irs 0,848 0,853 0,995 drs
A90 0,425 0,759 0,559 Drs 0,359 0,963 0,372 drs
A91 0,323 0,334 0,967 Irs 0,339 0,35 0,966 drs
A92 0,23 0,232 0,99 Irs 0,268 0,268 0,997 drs
A93 0,463 0,473 0,978 Drs 0,241 0,243 0,991 drs
A94 0,401 0,412 0,974 Irs 0,149 0,151 0,989 irs
A95 5 0,490 0,496 0,987 Irs 0,929 0,994 0,934 drs
A96 0,564 1 0,564 Irs 1 1 1 -
A97 0,524 0,526 0,997 Irs 1 1 1 -
A98 0,374 0,494 0,757 Irs 0,375 0,387 0,971 irs
A99 0,397 0,404 0,404 Irs 0,614 0,734 0,837 drs
A100 0,613 0,682 0,899 Drs 0,589 0,923 0,638 dsr
A101 0,414 0,441 0,938 Irs 0,454 0,458 0,992 irs
A102 0,597 0,608 0,983 Irs 0,761 0,808 0,941 drs
A103 0,774 0,811 0,955 Irs 0,757 0,763 0,992 irs
A104 0,615 0,641 0,96 Irs 0,583 0,599 0,973 drs
A105 0,8 0,827 0,968 Irs 0,866 0,875 0,99 drs
A106 0,771 1 0,771 Drs 0,721 1 0,721 drs
A107 0,28 0,408 0,686 Irs 0,21 0,21 1 -
A108 0,618 0,619 0,999 Drs 0,386 0,392 0,986 irs
A109 0,105 0,105 0,995 - 0,521 0,711 0,733 drs
A110 1 1 1 - 0,348 0,364 0,957 drs
A111 0,887 1 0,887 Irs 0,686 0,766 0,895 irs
A112 0,214 2 0,380 0,564 Drs 0,14 0,328 0,428 drs
A113 0,303 0,361 0,839 Drs 0,212 0,285 0,746 drs
A114 0,948 1 0,948 Drs 0,219 0,294 0,742 drs
A115 0,443 0,719 0,616 Drs 0,419 0,53 0,79 drs
A116 0,438 0,451 0,97 Drs 0,317 0,318 0,997 irs
A117 0,405 0,406 0,996 Irs 0,695 0,862 0,806 drs
A118 0,289 0,3 0,962 Drs 0,27 0,326 0,829 drs
A119 0,729 1 0,729 Drs 0,336 0,499 0,674 drs
A120 0,273 0,329 0,83 Drs 0,257 0,318 0,807 drs
A121 0,404 0,406 0,995 Irs 0,439 0,564 0,778 drs
A122 0,436 0,465 0,938 Drs 0,408 0,448 0,909 drs
A123 1 1 1 - 0,722 0,756 0,955 drs
A124 0,802 1 0,802 Drs 0,693 0,952 0,728 drs
A125 0,351 0,364 0,965 Irs 0,34 0,344 0,99 drs
A126 0,734 0,773 0,95 Drs 0,811 0,811 1 -
A127 0,194 0,763 0,254 Drs 0,317 0,771 0,412 drs
A128 0,154 0,2 0,77 Drs 0,394 0,868 0,454 drs
A129 0,172 0,172 0,997 Drs 0,15 0,184 0,813 drs
A130 0,531 1 0,531 Drs 0,391 0,703 0,555 drs
A131 0,208 0,497 0,418 Drs 0,306 0,732 0,418 drs
A132 0,906 0,909 0,997 Irs 0,185 0,214 0,865 drs
A133 0,743 0,875 0,849 Drs 0,511 0,828 0,617 drs
A134 0,115 0,164 0,697 Drs 0,136 0,2 0,681 drs
A135 0,54 0,635 0,85 Irs 0,664 0,774 0,857 drs
A136 0,199 0,257 0,774 Drs 0,31 0,442 0,702 drs
A137 1 1 1 - 0,661 1 0,661 drs
A138 0,297 0,306 0,972 Irs 0,277 0,299 0,927 drs
A139 0,217 0,219 0,991 Drs 0,399 0,835 0,478 drs
A140 0,345 0,354 0,974 Drs 0,348 0,459 0,758 drs
A141 0,562 0,604 0,929 Drs 0,825 1 0,825 drs
A142 0,89 1 0,89 Drs 0,658 0,819 0,804 drs
A143 0,603 0,726 0,83 Drs 0,146 0,192 0,76 drs
A144 0,576 0,903 0,638 Drs 0,717 1 0,717 drs
A145 0,139 0,5 0,279 Drs 0,61 1 0,61 drs
A146 0,23 0,239 0,965 Drs 0,602 0,636 0,947 drs
A147 0,211 0,322 0,656 Drs 0,515 0,588 0,876 drs
A148 1 1 1 - 1 1 1 -
A149 0,458 0,59 9 0,776 Drs 1 1 1 -
A150 0,389 0,397 0,98 Drs 0,322 0,36 0,894 drs
A151 0,313 0,374 0,838 Drs 0,324 0,418 0,774 drs
A152 0,503 0,512 0,983 Drs 0,357 0,367 0,975 drs
A153 0,886 0,9 0,984 Irs 1 1 1 -
A154 0,631 0,634 0,996 Drs 0,617 0,636 0,97 drs
A155 0,189 0,287 0,657 Drs 0,287 0,352 0,817 drs
A156 0,264 0,377 0,699 Drs 0,405 0,521 0,777 drs
Moyenne 0,521 0,59 0,881 0,498 0,596 0,85
Annexe 7. Tableau : les résultats d’analyse des agences de l’environnement E3
Modèle
Modèle 2 3
Agence CRS VRS Scale Scale[1] CRS VRS Scale Scale
A1 0,474 0,862 0,55 - 1 1 1 -
A2 1 1 1 - 1 1 1 -
A3 0,43 0,852 0,505 Drs 0,412 0,433 0,952 Drs
A4 0,501 1 0,501 - 1 1 1 -
A5 0,499 0,583 0,856 Drs 0,845 0,853 0,99 Drs
A6 0,442 0,537 0,823 Drs 0,619 0,625 0,992 Drs
A7 1 1 1 - 1 1 1 -
A8 0,936 1 0,936 Drs 0,726 0,92 0,789 Drs
A9 0,41 0,546 0,751 Drs 0,894 0,932 0,96 Drs
A10 1 1 1 - 1 1 1 -
A11 1 1 1 - 0,517 0,613 0,843 Drs
A12 0,269 0,513 0,524 Drs 1 1 1 -
A13 0,506 0,516 0,981 Drs 0,583 0,591 0,987 Drs
A14 0,57 0,576 0,99 Irs 0,438 0,445 0,985 Irs
A15 0,513 0,513 0,899 Drs 0,347 0,428 0,81 Irs
A16 0,621 1 0,621 Drs 1 1 1 -
A17 0,605 0,643 0,941 Drs 1 1 1 -
A18 0,617 0,618 1 - 1 1 1 -
A19 0,417 0,42 0,994 Irs 0,929 0,931 0,998 Drs
A20 1 1 1 - 1 1 1 -
A21 1 1 1 - 1 1 1 -
A22 0,457 0,87 0,525 Drs 1 1 1 -
A23 0,786 1 0,786 Irs 1 1 1 -
A24 0,586 0,665 0,881 Drs 0,786 0,873 0,9 Drs
A25 0,382 0,395 0,967 Drs 1 1 1 -
A26 0,682 1 0,682 Drs 0,544 0,695 0,783 Drs
A27 0,369 0,369 0,999 - 1 1 1 -
A28 0,36 0,369 0,975 Drs 0,315 0,316 0,999 -
A29 0,372 0,822 0,453 Irs 0,635 0,643 0,988 Drs
A30 1 1 1 - 0,173 0,184 0,941 Drs
Moyenne 0,625 0,756 0,838 0,792 0,816 0,964
Annexe 8. Résultat de DEA sur l’agence A11 du groupe l’environnement E1 (modèle3)
Slacks Slacls
d‟outputs d‟inputs
Agence 1 2 3 4 1 2
A1 0.000 0.000 0.000 0.000 0.000 0.000
A2 0.000 0.117 0.000 0.943 0.000 0.000
A3 0.000 0.000 20.477 0.636 3.574 0.817
A4 0.000 0.000 0.000 0.000 0.000 0.000
A5 2.228 0.000 3.082 1.503 0.000 0.817
A6 0.000 0.000 0.000 2.404 0.965 0.000
A7 2.303 0.000 23.349 4.754 0.000 0.948
A8 0.000 0.235 28.877 4.354 13.295 0.000
A9 0.000 0.000 0.000 0.000 8.218 0.000
A10 1.554 0.000 0.000 0.000 0.000 0.000
A11 0.000 0.000 0.000 0.000 0.900 0.000
A12 0.034 0.144 0.000 0.000 0.000 1.459
A13 0.000 0.000 25.930 5.515 0.000 0.000
A14 0.000 0.151 31.169 2.712 0.000 0.000
A15 0.000 0.000 0.000 0.000 0.000 0.000
A16 0.000 0.000 0.000 1.784 11.016 0.000
A17 0.000 0.000 0.000 0.000 0.000 0.000
A18 0.000 0.000 0.000 1.457 3.048 2.824
A19 0.000 0.000 0.000 0.000 0.000 0.000
A20 0.000 0.000 8.471 2.923 0.000 0.000
A21 0.000 0.000 0.000 0.303 5.861 0.000
A22 0.000 0.156 23.396 2.333 3.167 21.470
A23 0.461 0.000 21.485 0.000 17.566 0.000
A24 0.000 0.000 0.000 0.000 0.000 0.000
A25 0.000 0.000 0.000 0.000 15.263 3.565
A26 0.000 0.000 0.000 0.162 0.000 0.231
Annexe 13 .Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E1 sous
le modèle 2
Valeurs Valeurs
projetées projetées d
doutputs inputs
Agence 1 2 3 4 1 2
A1 1.429 1.985 66.608 2.997 20.829 7.447
A2 4.189 0.281 44.176 3.584 13.744 4.923
A3 9.832 3.401 35.465 4.312 24.338 8.142
A4 0.154 2.146 51.849 2.483 11.826 4.414
A5 2.262 2.800 13.310 2.353 10.108 4.005
A6 4.605 5.018 30.126 5.250 20.379 5.323
A7 2.320 0.422 44.497 7.619 16.168 3.550
A8 8.546 0.921 40.621 6.409 22.666 7.051
A9 10.065 0.268 43.251 6.099 23.661 7.865
A10 2.099 0.425 70.066 2.097 12.084 4.130
A11 2.817 2.540 48.654 4.946 18.954 5.479
A12 1.113 0.208 26.563 3.506 8.167 3.127
A13 4.511 1.612 30.938 6.206 17.406 4.873
A14 11.449 0.182 39.776 4.042 22.639 8.782
A15 0.059 0.029 5.410 0.894 1.789 2.638
A16 2.079 1.904 48.985 4.515 14.974 4.295
A17 5.354 6.687 24.393 4.401 21.780 5.924
A18 5.932 4.099 40.637 3.967 22.479 7.200
A19 14.201 0.194 46.269 4.225 26.835 10.307
A20 4.146 0.272 24.353 4.147 12.476 4.703
A21 2.327 1.443 65.517 2.693 17.084 5.955
A22 14.201 0.194 46.269 4.225 26.835 10.307
A23 2.098 1.604 21.487 4.856 12.054 3.624
A24 2.479 0.405 37.715 9.535 17.840 3.387
A25 4.177 3.321 39.820 5.525 20.759 5.855
A26 2.291 2.211 23.766 2.267 10.323 4.050
Annexe14. Les benchmarks des agences du groupe E1 inefficiences et leurs poids sous le
modèle 2
Slack Slack
d'output d'input
Agence 1 2 3 4 5 6 1 2
A1 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A2 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A3 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A4 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A5 0.000 0.000 0.000 0.000 0.000 0.000 8.058 0.262
A6 1.471 0.000 81.481 170.557 0.628 0.000 0.000 0.000
A7 4.857 2508.173 113.187 1096.551 0.000 0.000 0.000 0.000
A8 1.814 2776.674 0.000 2390.158 0.000 0.000 0.000 0.000
A9 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A10 0.032 1732.159 0.000 0.000 0.000 0.000 0.000 0.000
A11 0.000 1028.795 0.000 207.683 1.725 0.000 6.584 0.000
A12 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A13 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A14 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A15 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A16 2.667 1620.133 0.000 1144.512 0.000 0.000 0.000 0.000
A17 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A18 12.181 2946.312 103.669 528.520 0.000 0.000 0.000 0.000
A19 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A20 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A21 0.258 0.000 113.368 0.000 0.000 0.000 0.000 0.155
A22 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A23 1.220 0.000 0.000 378.627 0.000 0.000 5.619 0.000
A24 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A25 0.000 3487.607 15.491 34.617 0.000 0.000 0.000 0.000
A26 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A27 0.942 619.225 16.431 228.893 0.091 0.000 0.000
Annexe 16. Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E1 sous
le modèle 3
Valeurs Valeurs
projetées projetées
doutputs d inputs
Agence 1 2 3 4 5 6 1 2
A1 6.023 992.147 6875.088 1.429 0.014 1 30,01 7,447
A2
4.133 9467.690 37.076 1506.324 0.666 0.000 7,01 4,923
A3 14.182 2186.224 135.187 0.270 2.356 0.006 7,01 8,96
A4
5.569 7976.832 95.832 769.396 0.154 0.015 7,01 4,414
A5
6.105 7395.103 104.772 847.604 0.659 0.018 8,952 4,561
A6 6.750 6157.383 113.513 1096.873 2.488 0.020 12,01 5,323
A7 2.873 4606.121 1465.879 5201.821 0.004 0.001 8,01 4,498
A8
9.827 3716.857 508.461 2872.826 5.219 0.004 10,01 7,051
A9 19.902 2152.689 360.720 2687.285 5.956 0.000 8,01 7,865
A10
2.968 2605.977 205.021 1734.920 2.574 0.004 25,01 4,13
A11
10.043 1821.209 243.400 1599.957 3.837 0.031 20,426 5,479
A12
4.854 6459.638 657.683 5880.577 0.879 0.000 26,01 4,586
A13
5.837 3377.629 36.658 944.843 3.823 0.010 11,01 4,873
A14
4.905 4285.656 72.975 1915.695 9.227 0.000 11,01 8,782
A15
2.045 1316.660 29.744 229.260 0.059 0.000 7,01 2,638
A16 4.441 3896.306 553.798 2302.214 1.304 0.009 10,01 4,295
A17
11.093 1986.709 187.890 1574.713 5.354 0.047 27,01 5,924
A18
20.681 4100.635 115.637 1103.962 4.747 0.024 16,01 10,024
A19
4.089 1402.402 54.418 584.322 14.201 0.001 25,01 10,307
A20
2.225 178.706 4.776 183.825 4.022 0.002 10,01 4,703
A21
5.968 6647.402 184.410 1892.879 2.680 0.014 13,01 5,8
A22 83.354 1218.128 9.751 167.416 9.824 0.000 11,01 31,777
A23
3.193 3214.464 232.750 1078.253 0.978 0.007 16,391 3,624
A24 0.692 1209.812 150.202 748.889 2.479 0.003 41,01 3,387
A25
19.385 6318.363 85.365 754.003 2.472 0.014 9,01 9,42
A26 7.874 583.473 15.433 469.977 0.885 0.006 10,01 4,281
Annexe 17. Les benchmarks des agences du groupe E1 inefficiences et leurs poids sous le
modèle 3
Slaks Slaks
D‟outputs D‟ inputs
Agence 1 2 3 4 1 2
A1 0.000 0.000 44.228 2.702 23.518 1.042
A2 0.000 0.000 0.000 0.000 0.000 0.000
A3 0.000 8.298 12.609 0.000 13.645 2.924
A4 0.000 0.000 0.000 0.000 0.000 0.000
A5 0.000 5.403 44.108 0.000 1.889 0.000
A6 0.000 7.356 52.532 0.000 3.204 0.000
A7 0.000 0.000 0.000 0.000 0.000 0.000
A8 0.000 0.000 0.000 0.000 0.000 0.000
A9 0.000 8.099 11.581 0.000 4.191 1.555
A10 0.000 0.000 0.000 0.000 0.000 0.000
A11 0.000 0.000 0.000 0.000 0.000 0.000
A12 0.000 0.000 13.409 0.000 13.233 0.000
A13 0.000 1.445 13.522 0.000 5.288 0.000
A14 0.124 8.388 32.801 0.000 4.670 0.000
A15 0.000 6.300 0.000 0.151 2.016 0.000
A16 0.000 0.000 0.000 0.000 0.000 0.000
A17 0.000 0.000 33.666 2.242 0.558 0.000
A18 0.000 1.274 0.000 0.000 0.000 0.000
A19 0.000 1.762 0.000 1.148 0.000 0.000
A20 0.000 0.000 0.000 0.000 0.000 0.000
A21 0.000 0.000 0.000 0.000 0.000 0.000
A22 0.000 0.000 37.951 0.000 18.710 0.000
A23 0.000 0.000 0.000 0.000 0.000 0.000
A24 0.000 0.000 63.446 3.155 2.719 0.000
A25 0.000 0.000 49.188 0.805 2.699 0.000
A26 0.000 0.000 0.000 0.000 0.000 0.000
A27 0.000 6.626 24.520 0.000 0.363 0.000
A28 0.000 10.413 31.784 0.000 0.000 0.000
A29 0.000 0.108 36.081 2.232 0.000 0.000
A30 0.000 0.000 0.000 0.000 0.000 0.000
Annexe 19.Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E 3 sous
le modèle 2
Valeurs Valeurs
projetées projetées d
doutputs inputs
Agence 1 2 3 4 1 2
A1 2.258 12.869 69.462 5.106 13.465 6.566
A2 1.340 13.196 76.097 5.558 10.548 3.792
A3 3.451 10.073 67.291 5.058 14.017 5.285
A4 7.383 10.147 22.683 2.191 47.415 12.277
A5 5.474 5.766 50.419 4.060 16.495 6.031
A6 3.870 7.424 52.533 4.159 13.399 4.525
A7 1.352 0.041 23.267 1.140 13.547 1.017
A8 10.251 0.014 38.924 3.447 25.190 10.093
A9 4.785 8.101 61.728 4.742 16.208 6.228
A10 5.216 0.016 12.184 1.705 12.125 2.659
A11 5.035 0.111 42.263 3.697 13.797 7.402
A12 7.614 5.313 44.417 3.670 25.408 10.002
A13 1.911 6.597 47.994 3.426 11.844 2.641
A14 1.345 8.394 56.811 3.945 11.643 2.779
A15 4.872 42.614 3.314 6.358 13.930 4.440
A16 10.977 9.763 6.400 0.812 41.189 32.927
A17 6.723 5.846 39.766 2.891 16.858 5.778
A18 5.431 1.382 40.162 3.119 14.303 6.249
A19 6.719 1.810 27.308 2.163 15.714 5.232
A20 5.369 6.438 27.821 1.723 13.232 4.977
A21 12.742 0.190 11.413 0.536 24.879 8.832
A22 10.128 0.514 37.952 3.367 26.277 10.217
A23 1.097 6.384 0.001 0.682 9.205 2.624
A24 2.887 11.634 66.317 4.840 14.031 4.781
A25 2.925 9.191 56.588 4.322 11.713 3.778
A26 5.702 0.008 69.188 3.249 30.908 7.559
A27 2.050 10.734 64.198 4.836 10.848 3.574
A28 3.482 10.434 63.307 4.595 13.179 4.781
A29 0.325 0.136 54.975 3.980 6.641 3.465
A30 0.257 0.024 57.651 4.189 6.234 3.608
Annexe 20.Les slacks d’inputs et d’outputs pour les agences du groupe E3 sous le modèle 2
Slacks Slacks
d‟outputs d‟ inputs
Agence 1 2 3 4 5 6 1 2
A1 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A2 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A3 0.000 953.679 384.275 951.191 0.000 0.000 0.000 0.000
A4 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A5 0.847 0.000 158.898 0.000 0.240 0.031 0.000 0.000
A6 0.000 0.000 456.082 1579.343 0.000 0.009 0.000 0.000
A7 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A8 2.351 0.000 218.969 1046.093 0.000 0.023 7.105 0.229
A9 0.000 0.000 542.649 777.651 0.000 0.007 0.000 2.309
A10 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A11 0.329 0.000 194.062 693.036 0.000 0.021 5.024 0.000
A12 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A13 8.203 0.000 857.677 0.000 0.000 0.000 0.000 0.000
A14 0.000 624.932 3704.596 0.000 0.000 0.038 0.000 0.000
A15 0.000 0.000 341.047 858.213 0.000 0.001 6.679 0.000
A16 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A17 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A18 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A19 0.320 0.000 246.503 1290.671 0.000 0.023 0.000 0.000
A20 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A21 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A22 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A23 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A24 10.927 0.000 4931.168 977.441 0.000 0.000 0.000 0.000
A25 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A26 0.000 0.000 538.630 653.685 0.000 0.002 10.179 0.000
A27 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A28 0.000 0.000 455.568 1812.951 0.000 0.008 0.000 0.000
A29 10.659 0.000 228.952 771.738 0.560 0.011 0.000 0.000
A30 0.000 0.000 10558.527 0.000 0.000 0.058 0.000 0.000
Annexe 22.Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E 3 sous
le modèle 3
Valeurs Valeurs
projetées projetées d
doutputs inputs
Agence 1 2 3 4 5 6
A1 1.429 1.985 66.608 2.997 20.829 7.447
A2 4.189 0.281 44.176 3.584 13.744 4.923
A3 9.832 3.401 35.465 4.312 24.338 8.142
A4 0.154 2.146 51.849 2.483 11.826 4.414
A5 2.262 2.800 13.310 2.353 10.108 4.005
A6 4.605 5.018 30.126 5.250 20.379 5.323
A7 2.320 0.422 44.497 7.619 16.168 3.550
A8 8.546 0.921 40.621 6.409 22.666 7.051
A9 10.065 0.268 43.251 6.099 23.661 7.865
A10 2.099 0.425 70.066 2.097 12.084 4.130
A11 2.817 2.540 48.654 4.946 18.954 5.479
A12 1.113 0.208 26.563 3.506 8.167 3.127
A13 4.511 1.612 30.938 6.206 17.406 4.873
A14 11.449 0.182 39.776 4.042 22.639 8.782
A15 0.059 0.029 5.410 0.894 1.789 2.638
A16 2.079 1.904 48.985 4.515 14.974 4.295
A17 5.354 6.687 24.393 4.401 21.780 5.924
A18 5.932 4.099 40.637 3.967 22.479 7.200
A19 14.201 0.194 46.269 4.225 26.835 10.307
A20 4.146 0.272 24.353 4.147 12.476 4.703
A21 2.327 1.443 65.517 2.693 17.084 5.955
A22 14.201 0.194 46.269 4.225 26.835 10.307
A23 2.098 1.604 21.487 4.856 12.054 3.624
A24 2.479 0.405 37.715 9.535 17.840 3.387
A25 4.177 3.321 39.820 5.525 20.759 5.855
A26 2.291 2.211 23.766 2.267 10.323 4.050
A27 0.000 0.000 0.000 0.000 0.000 0.000
A28 0.000 0.000 455.568 1812.951 0.000 0.008
A29 10.659 0.000 228.952 771.738 0.560 0.011
A30 0.000 0.000 10558.527 0.000 0.000 0.058
Annexe 23.Les benchmarks des agences du groupe E3 inefficiences et leurs poids sous le
modèle 3
Agence Benchmarks les poids
1 1 1.000
2 2 1.000
3
4 23 22 25 21 0.131 0.280 0.494 0.004 0.091
4 4 1.000
5 27 18 4 7 0.018 0.030 0.427 0.524
6 10 18 7 27 4 0.292 0.257 0.078 0.290 0.084
7 7 1.000
8 4 21 0.300 0.700
9 25 28 27 22 0.088 0.415 0.381 0.116
10 10 1.000
11 4 10 21 0.292 0.395 0.314
12 12 1.000
13 23 10 4 2 7 20 0.545 0.027 0.053 0.026 0.341 0.007
14 23 7 2 10 25 0.354 0.177 0.167 0.093 0.208
15 4 18 2 10 25 0.011 0.231 0.621 0.136
16 16 1.000
17 17 1.000
18 18 1.000
19 17 4 7 27 0.473 0.084 0.046 0.397
20 20 1.000
21 21 1.000
22 22 1.000
23 23 1.000
24 4 23 1 2 20 0.026 0.337 0.256 0.226 0.156
25 25 1.000
26 21 4 18 10 0.507 0.012 0.461 0.020
27 27 1.000
28 27 17 10 18 21 0.090 0.249 0.318 0.329 0.013
29 4 7 27 0.022 0.118 0.859
30
2 25 18 7 10 0.510 0.397 0.006 0.057 0.031
Table des matières
Conclusion ............................................................................................................................. 30
Conclusion ..................................................................................................................... 59
Chapitre III : Application empirique Analyse de la performance des agences de la CNEP-
Banque ...............................................................................................................................
Introduction ........................................................................................................................... 61
Section 1 : Méthodologie et présentation des données ............................................................ 62
1.1. Les spécifications du modèle DEA appliqué à un réseau d‟agences bancaires ........................ 62
1.1. 1. Littérateur sur l‟application de la méthode DEA pour mesurer de la performance des
agences bancaires ................................................................................................................................... 62
1.1.2. Les approche du choix d‟inputs et outputs ................................................................................ 63
1.1.3. Présentation du modèle et des données ............................................................................... 64
1.1.4. Le problème mathématique à optimiser ............................................................................. 66
Conclusion ............................................................................................................................. 91